Qui troverai nel corso dei prossimi giorni ulteriori informazioni per approfondire le tematiche del capitolo.
Osservatorio Blockchain & Web3 del Politecnico di Milano
Progetto Agri-Food TRACK, finanziato da Bi-Rex
"Computers and Electronics in Agriculture" offre una copertura internazionale dei progressi nello sviluppo e nell'applicazione di hardware, software, strumentazione elettronica e sistemi di controllo per la risoluzione dei problemi in agricoltura, tra cui agronomia, orticoltura, silvicoltura, acquacoltura e l'allevamento. Il prof. Marinello è co-editor in chief.
"Smart Agricultural Technology" fornisce continuità alla pubblicazione di cui sopra per l'applicazione intelligente di tecnologie applicate all'agricoltura.
"How many gigabytes per hectare are available in the digital agriculture era? A digitization footprint estimation": questo paper vede fra gli autori il prof. Marinello e il dr. Sozzi, PhD, fra gli autori. In calce, abstract e elenco completo autori
Le pubblicazioni del prof. Marinello su ResearchGate
"Satelliti, droni e intelligenza artificiale per la viticoltura di precisione" - articolo a cura di Marco Sozzi, fra i vincitori dell'AgroInnovation Award 2021
IoF2020, progetto H2020 dedicato all'agricoltura digitale (IoF sta per Internet of Farming) ha sviluppato e testato una serie di componenti e soluzioni IoT. Che tu sia un professionista in un campo correlato all'agricoltura, uno sviluppatore, un decisore politico o semplicemente curioso del potenziale dell'IoT, il catalogo online ti aiuterà a navigare e imparare come IoF2020 utilizza componenti e dati per aiutare l'agricoltura dell'Unione Europea.
Il catalogo ingloba anche una serie di soluzioni e best practice elaborate anche nell'ambito del progetto Smart AgriHubs.
LINK: IoTcatalogue
Articoli di AgriFoodTech: "Internet of Farming"
Progetto "Iof2020 - Internet of Food and Farming"
Paper "Smart Farming: Internet of Things (IoT)-Based Sustainable Agriculture"
Un approfondimento su TheVision è disponibile nell'articolo "VISION Conference: The Metaverse Offers Ag Many Possibilities"
Gli esperti concordano sul fatto che la comunicazione uomo-macchina dovrà concentrarsi ancora di più sulle esigenze dell'“uomo”, l'operatore, che si trova di fronte a una crescente densità di informazioni. Man mano che vengono introdotte più applicazioni, c'è una maggiore attenzione all'orientamento dell'utente delle interfacce dei macchinari mobili. Il funzionamento efficiente dipende dalle capacità personali, dalla formazione e dalla qualità dell'interazione con l'interfaccia. I componenti HMI intelligenti devono decidere quali informazioni hanno la massima priorità e quando nascondere i dati meno importanti in situazioni complesse.
Fonte: Agritechnica
Per saperne di più: https://www.ruralhack.org/ e https://www.facebook.com/RuralHackProject
È il titolo di un nuovo studio pubblicato dal Think Tank del Parlamento Europeo.
"Cresce l'interesse per le applicazioni dell'intelligenza artificiale (AI) nel settore agroalimentare, per estrarre o sfruttare le informazioni contenute in dataset risultanti dal monitoraggio di prodotti e processi. Gli algoritmi di intelligenza artificiale, e i modelli da essi derivati, sono utilizzati come sistemi di supporto per un migliore processo decisionale o, in alcuni casi, sono implementati nei processi di controllo automatico e nella robotica, per alleviare lavori faticosi. In questo studio vengono descritti il rilevamento e la raccolta di dati in diversi settori agroalimentari, insieme a come i dati possono essere analizzati/validati per ottenere una migliore gestione e un migliore processo decisionale nella produzione agricola e zootecnica."
Lo studio è stato scritto da Josse De Baerdemaeker, con il supporto dei seguenti co-autori (in parentesi quadre il riferimento al capitolo curato): S. Hemming [2 and 6], G. Polder [2], A. Chauhan [2 and 6], A. Petropoulou [2] (Wageningen University and Research), F. Rovira-Más [3] (UP Valencia), D. Moshou [3] (Aristotle University), G. Wyseure [4], T. Norton [5], B. Nicolai [6] (KU Leuven), F. Hennig-Possenti [7], I. Hostens [7] (CEMA).
• Fondazione Qualivita - "IA a tutela dell'olio Riviera Ligure DOP
I ricercatori di Harvard e Google Brain hanno reso disponibile gratuitamente il Deep Learning Tuning Playbook
Il documento cerca di racchiudere tutti i Tips e le Best Practices per allenare in modo efficace una Rete Neurale.
Tra gli argomenti trattati all’interno troviamo:
• Come selezionare l’architettura giusta per un determinato task
• Come scegliere l’optimizer e la batch size
• Come migliorare un modello
• Determinare il tempo di training giusto
e molto altro ancora!
Sicuramente una risorsa da avere sempre con se per addentrarsi con maggior sicurezza nel mondo del Deep Learning!
LINK: https://github.com/google-research/tuning_playbook
Fonte: DataPizza - via Linkedin
Continua la lettura degli approfondimenti:
Cosa fa Image Line per l'agricoltura digitale? | Presentazione libro | Introduzione e prefazione | Autori | Capitolo 1 | Capitolo 2 | Capitolo 3 | Capitolo 4 | Capitolo 5 | Capitolo 6 | Capitolo 7 | Appendice
Vuoi condividere le tue opinioni e confrontarti sui social?
Usa gli hashtag:
#ai #intelligenzaartificiale #realtàvirtuale
#blockchain #tracciabilità
#sensori #IoT #InternetOfFarming #InternetOfFood
© Image Line srl Unipersonale - P.IVA IT 01070780398 - Cap. Soc. 500.000€ I.V.
Termini e condizioni
- Privacy Policy
- Cookie Policy
- Rivedi le tue scelte
