Uso de algoritmo florestal aleatório para recomendação de culturas

Resumo

O método proposto busca auxiliar os indianos na seleção da cultura ideal para produzir com base nas características do solo, bem como em fatores externos como temperatura e precipitação, usando um sistema inteligente chamado Crop Recommender. A economia indiana é significativamente impactada pelo setor agrícola. Seja pública ou secretamente, a maior parte dos indianos depende da agricultura para viver. Como resultado, é inegável que a agricultura é significativa para o país. A maioria dos agricultores indianos acredita que devem confiar na sua intuição ao decidir sobre uma cultura a cultivar numa determinada estação ou simplesmente empregam os métodos que têm vindo a utilizar desde o início dos tempos. Eles ficam mais à vontade apenas aderindo às práticas e padrões agrícolas convencionais do que apreciando verdadeiramente como o rendimento das colheitas é influenciado pelas actuais condições climáticas e do solo. O agricultor pode perder dinheiro involuntariamente se tomar uma decisão errada, o que prejudicaria tanto a ele como à indústria agrícola circundante. Como o negócio agrícola é a base de todo o sistema lateral. Usando o algoritmo de aprendizado de máquina, esse problema pode ser resolvido. Uma perspectiva crucial para identificar uma solução prática e viável para o problema da produção agrícola é o aprendizado de máquina (ML). O aprendizado de máquina (ML) pode prever uma meta ou resultado a partir de um conjunto de preditores usando aprendizado supervisionado. Um sistema de recomendação é implementado usando árvores de decisão. Os principais objectivos deste sistema são fornecer aos agricultores recomendações sobre as melhores culturas a semear com base no seu solo e nos padrões de precipitação locais. Empregamos a técnica Random Forest Machine Learning para prever a safra. A previsão da colheita avalia a colheita com base em dados históricos do passado que incluem elementos como temperatura, umidade, ph e precipitação. Isso nos dá uma visão ampla da melhor colheita que pode ser cultivada à luz das atuais condições climáticas do campo. Essas previsões podem ser feitas por Random Forest, uma técnica de aprendizado de máquina. O mais alto nível de precisão, de até 90%, será possível para previsões de colheitas. O algoritmo de floresta aleatória alcançou precisão de cerca de 99,03%.