基于联邦学习的分布式农业组织

【摘 要】我国现阶段仍以小规模农业为主,如何在小农、小地块的农业生产经营方式下发展适宜的智慧农业颇具挑战。基于此,提出一种结合联邦学习与区块链技术的分布式农业人工智能框架,使得在数据不共享的情况下,能达到训练模型的目的,并可建立参与方的激励机制。该框架有助于充分利用农业多源异构数据,减少对用户数据量的要求,发展因地制宜的决策模型,促进小规模农业的产销衔接。

【关键词】联邦智能 ; 农业大数据 ; 决策支持 ; 区块链技术 ; 农业管理系统

0 引言

智慧农业中的智能决策环节如同系统中的大脑,对自然环境、社会经济环境的信息进行分析处理,提供管理或控制的决策支持,是智慧农业的核心,也是数据转化为价值的过程。农业数据包括多种类别:(1)按来源分,有天(主要指卫星遥感影像数据)、空(主要指无人机遥感监测数据)、地(各类监测设备获取的地面环境和作物生长状态等数据)等;(2)按内容分,有自然物理信息(气象、土壤以及作物生长状态)和社会经济信息(市场供需和价格等);(3)按产业链分,有生产大数据、管理大数据和市场大数据;(4)按呈现形式分,有文本、视频、照片等多种模态数据。

由于复杂数据采集、挖掘、处理、分析与应用的技术原因,以及数据拥有者与使用者身份不同的原因,目前的大数据研究普遍存在“只有数据,没有利用”的问题,导致为搜集数据、存储数据付出的成本被浪费,亟须解决如何从数据中获得价值的问题。同时,智慧农业对基于数据的

你可能感兴趣的:(行业数字化研究及信息化建设专栏,分布式)