Das maschinelle Lernmodell eines RMIT-Studenten stärkt Landwirte

Vietnam ist der zweitgrößte Kaffeeexporteur der Welt und trägt mehr als die Hälfte zum weltweiten Robusta-Angebot bei. Die Kaffeeproduktion im Erntejahr 2022/23 wird voraussichtlich 29,75 Millionen Säcke erreichen, wovon mehr als 95 % auf Robusta entfallen.

Im Jahresbericht 2021/2022 der Internationalen Kaffeeorganisation belegte Vietnam mit 2,4 Tonnen/ha den ersten Platz bei der Produktivität des Kaffeeanbaus. Die Kaffeeproduktion in Vietnam besteht aus Robusta-, Arabica-, Cherri-, Moka- und Culi-Bohnen, den beliebtesten in Vietnam angebauten Kaffeebohnen.

Allerdings sind die Preise für Agrarprodukte im Allgemeinen und für Kaffeebohnen im Besonderen oft instabil und können bei Rekordernten stark schwanken, was sich erheblich auf die Einkommen der Landwirte auswirkt und der Wirtschaft schadet.

Von links nach rechts: Studierende der RMIT-Fakultät für Naturwissenschaften, Ingenieurwesen und Technologie: Lam Tin Dieu, Nguyen Hai Minh Trang, Nguyen Phuong Nam (obere Reihe), Le Ngoc Nguyen Thuan, Doan Chanh Thong (untere Reihe)

Von links nach rechts: Studierende der RMIT-Fakultät für Naturwissenschaften, Ingenieurwesen und Technologie: Lam Tin Dieu, Nguyen Hai Minh Trang, Nguyen Phuong Nam (obere Reihe), Le Ngoc Nguyen Thuan, Doan Chanh Thong (untere Reihe)

Um eine Lösung für dieses Problem zu erforschen, trainierte und evaluierte eine Gruppe von Studenten im letzten Studienjahr der Fakultät für Naturwissenschaften, Ingenieurwesen und Technologie (Nguyen Hai Minh Trang, Doan Chanh Thong, Le Ngoc Nguyen Thuan, Nguyen Phuong Nam und Lam Tin Dieu) über einen Zeitraum von vier Monaten sechs Modelle des maschinellen Lernens (ML), um Kaffeepreise vorherzusagen. Dies kann vietnamesischen Bauern dabei helfen, fundierte Entscheidungen über ihre Ernte zu treffen und entsprechend zu planen, um Gewinne zu optimieren und Verluste zu minimieren.

„Wir haben sechs ML-Modelle entwickelt, nämlich LSTM, GRU, ARIMA, SARIMA, SVM und RF, basierend auf der Historie der Kaffeepreise, Benzinpreise, Temperatur und Niederschlagsmenge, um die Robusta-Kaffeepreise in der Provinz Lam Dong vorherzusagen, und haben festgestellt, dass das RF-Modell, das den gesamten Datensatz verwendet, am effektivsten ist“, sagte Trang.

Unter den sechs Modellen des maschinellen Lernens erzielte das RF-Modell unter Verwendung des gesamten Datensatzes die besten Ergebnisse.

„RF kann umfangreichere Datensätze integrieren und nichtlineare Beziehungen verarbeiten. Darüber hinaus erwies sich der Kraftstoffpreis als signifikanter Prädiktor und übertraf alle anderen getesteten Merkmale zusammen.“

Das Team betonte, dass das Modell durch die Untersuchung und Berücksichtigung der Auswirkungen von Ernteerträgen, Markttrends und geopolitischen Ereignissen auf die Agrarpreise noch weiter verbessert werden könne.

Jedes Teammitglied steht während des Projekts vor unterschiedlichen Herausforderungen, beispielsweise einem Mangel an tiefgreifendem Verständnis verschiedener ML-Modelle, der effektiven Kommunikation der Komplexität Ihrer Arbeit im KI-Bereich oder dem Zeit- und Kommunikationsmanagement bei der Remote-Arbeit. Indem Sie jedoch viel Zeit in die Forschung investieren, sich in Forschungsarbeiten zu KI und ML vertiefen und Ihre technischen Fähigkeiten sowie Ihre Teamfähigkeit verbessern, verbessern Sie Ihre KI-Forschungskompetenzen für reale Probleme und sind in der Lage, die Forschung Ihres Teams in reale Produkte umzusetzen.

„Die größte Herausforderung für uns bestand in der Datenerfassung und -integration“, teilte Thuan mit.

„Obwohl die Entwicklung des Modells relativ unkompliziert war, stellte der hohe Zeitaufwand für die Datenerfassung und -zusammenführung eine enorme Herausforderung für uns dar. Jedes Teammitglied durchlief eine Lernkurve und erweiterte seine Fähigkeiten sowohl in der technischen als auch in der Projektkoordination, von der gründlichen Recherche über die Förderung von Innovationen bis hin zur Entwicklung neuer Lösungen.“

Zum Zeitpunkt der Studie arbeitete Nam von Hanoi aus und war Vollzeit beschäftigt. Um Verzögerungen und möglichen Störungen vorzubeugen, habe das Team wöchentliche Meetings organisiert und regelmäßig kommuniziert, sagte Nam, um sich gegenseitig zu ermutigen, am Ball zu bleiben und die zugewiesene Arbeitslast gut zu erledigen.

Das Abschlussprojekt des Teams wurde eng von Dozenten der School of Science, Engineering and Technology, RMIT Vietnam, betreut. Die Projektergebnisse wurden kürzlich auf einer renommierten internationalen Veranstaltung – der 8. IEEE/ACIS International Conference on Big Data, Cloud Computing and Data Science Engineering (BCD 2023) – zusammen mit Forschern, Wissenschaftlern, Ingenieuren und Experten aus den Bereichen Big Data, Cloud Computing und Data Science vorgestellt.

Student Nguyen Phuong Nam demonstriert, wie die Website zur Kaffeepreissimulation funktioniert

Das Team plant, die Modelle auf der Grundlage des Feedbacks aus den Konferenzpräsentationen zu verfeinern und auch andere Ansätze zu erkunden, um die Genauigkeit und Anwendbarkeit ihrer Vorhersagen zu verbessern.

„Wir planen, uns eingehender mit den neuesten Techniken und neuen Methoden auf diesem Gebiet zu befassen, um die Forschungsergebnisse des Teams weiter zu festigen“, sagte Thong.

„Darüber hinaus planen wir, mit anderen Experten auf diesem Gebiet zusammenzuarbeiten und mögliche Partnerschaften zu prüfen, um den Umfang und die Wirkung der Forschungsergebnisse der Gruppe zu erweitern.“

Das Team plant, die Forschung weiter zu iterieren und zu verbessern, sodass es aus Ihrer spezifischen Forschung praktische Beiträge zum sich ständig weiterentwickelnden Bereich von Big Data und KI leisten kann.

Quellenlink: https://thanhnien.vn/mo-hinh-may-hoc-cua-sinh-vien-rmit-tiep-them-suc-manh-cho-nong-dan-185240201181300139.htm