Gärtners Grüner Daumen (Q4300226)
Jump to navigation
Jump to search
Project Q4300226 in Germany, Netherlands
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | Gärtners Grüner Daumen |
Project Q4300226 in Germany, Netherlands |
Statements
299,866.62 Euro
0 references
900,000.0 Euro
0 references
33.32 percent
0 references
1 January 2020
0 references
30 June 2022
0 references
Yookr B.V.
0 references
51°16'57.83"N, 6°27'37.12"E
0 references
51°24'23.40"N, 6°7'21.86"E
0 references
51°26'17.92"N, 5°26'37.57"E
0 references
51°40'34.97"N, 6°37'36.26"E
0 references
51°47'11.08"N, 6°18'52.06"E
0 references
51°32'29.44"N, 6°10'15.56"E
0 references
51°27'52.78"N, 6°15'8.53"E
0 references
51°47'37.57"N, 6°8'35.81"E
0 references
The production of ornamental plants and vegetables is a significant economic activity in regional horticulture along the German-Dutch border. Rising labor costs, a shortage of skilled workers, international competition and increasing quality requirements by marketers and consumers are putting increasing pressure on the industry. Farm managers must become more and more horticultural managers. The project "Gardener's Green Thumb" wants to make contributions that lead to a noticeable improvement and relief in company practice. Digitization and, in particular, artificial intelligence or machine learning techniques can also help micro-enterprises increase their competitiveness. The core of the project is the development of a self-learning decision support system (DSS). For this purpose, horticultural activities are first recorded with sensors and automatically documented. Using machine-learning methods, correlations between the current and historical environmental measurements (climate, light, plant, soil) on the one hand and the decisions of the horticultural management (fertilization, irrigation, climate change, etc.) on the other hand, will be identified from the generated observations, to derive rules out of it. For example, in the training phase, an interaction of the system with the cultural guide might be: "If similar greenhouse and plant conditions prevailed in the past, 80% of the time you have chosen alternative A, 15% B, and 5% C. Do you want to choose A again? "(Such suggestions we know in a similar way, for example, from the Amazon Online Shop). As a result, the DSS continuously learns and could, after a certain time, automatically initiate the necessary actions and only inform the horticultural manager and, by observation, derive rules for changing behavior in production, for example when a new crop is cultivated. (English)
0.8593624794371061
0 references
Produktionen af prydplanter og grøntsager er en betydelig økonomisk aktivitet i den regionale gartneri langs den tysk-hollandske grænse. Stigende arbejdskraftomkostninger, mangel på kvalificeret arbejdskraft, international konkurrence og stigende kvalitetskrav fra marketingfolk og forbrugere lægger stigende pres på branchen. Landbrugsforvaltere skal blive mere og mere gartneriledere. Projektet "Gardener's Green Thumb" ønsker at yde bidrag, der fører til en mærkbar forbedring og lettelse i virksomhedens praksis. Digitalisering og navnlig kunstig intelligens eller maskinlæringsteknikker kan også hjælpe mikrovirksomheder med at øge deres konkurrenceevne. Kernen i projektet er udviklingen af et selvlærende beslutningsstøttesystem (DSS). Til dette formål registreres gartneriaktiviteter først med sensorer og dokumenteres automatisk. Ved hjælp af maskinlæringsmetoder vil sammenhængen mellem de nuværende og historiske miljømålinger (klima, lys, planter, jord) på den ene side og gartneriforvaltningens beslutninger (gødning, kunstvanding, klimaændringer osv.) på den anden side blive identificeret ud fra de genererede observationer for at udlede regler heraf. I uddannelsesfasen kan et samspil mellem systemet og kulturguiden f.eks. være: "Hvis lignende drivhus- og planteforhold var fremherskende i fortiden, 80 % af den tid, du har valgt alternativ A, 15 % B, og 5 % C. Vil du vælge A igen? "(Sådanne forslag, vi kender på en lignende måde, for eksempel fra Amazon Online Shop). Som et resultat, DSS løbende lærer og kunne, efter en vis tid, automatisk igangsætte de nødvendige handlinger og kun informere gartneri manager og, ved observation, udlede regler for at ændre adfærd i produktionen, for eksempel når en ny afgrøde dyrkes. (Danish)
4 November 2022
0 references
Is gníomhaíocht shuntasach eacnamaíoch é plandaí agus glasraí ornáideacha a tháirgeadh sa ghairneoireacht réigiúnach feadh na teorann idir an Ghearmáin agus an Ísiltír. Costais saothair ag ardú, ganntanas oibrithe oilte, iomaíocht idirnáisiúnta agus riachtanais cháilíochta ag méadú ag margóirí agus tomhaltóirí ag cur brú a mhéadú ar an tionscal. Ní mór do bhainisteoirí feirme a bheith ina mbainisteoirí gairneoireachta níos mó agus níos mó. Is mian leis an tionscadal “Gairdín Green Thumb” ranníocaíochtaí a dhéanamh as a dtiocfaidh feabhas suntasach agus faoiseamh i gcleachtas na cuideachta. Is féidir le digitiú agus, go háirithe, an intleacht shaorga nó teicnící meaisínfhoghlama cabhrú le micrifhiontair a n-iomaíochas a mhéadú. Is é croílár an tionscadail córas tacaíochta cinntí féinfhoghlama (DSS) a fhorbairt. Chun na críche sin, déantar gníomhaíochtaí gairneoireachta a thaifeadadh ar dtús le braiteoirí agus déantar iad a dhoiciméadú go huathoibríoch. Trí mhodhanna meaisínfhoghlama a úsáid, déanfar comhghaolta idir na tomhais chomhshaoil reatha agus stairiúla (aeráid, solas, gléasra, ithir) ar thaobh amháin agus cinntí na bainistíochta gairneoireachta (toirchiú, uisciú, athrú aeráide, etc.) ar an taobh eile, a shainaithint ó na barúlacha a ghintear, chun rialacha a bhaint as. Mar shampla, sa chéim oiliúna, d’fhéadfadh idirghníomhaíocht idir an córas agus an treoir chultúrtha: “Má bhí coinníollacha teasa agus plandaí den chineál céanna i réim san am atá caite, 80 % den am a roghnaigh tú malartach A, 15 % B, agus 5 % C. Ar mhaith leat A a roghnú arís? “(Moltaí den sórt sin a fhios againn ar bhealach den chineál céanna, mar shampla, ó Amazon Online Shop). Mar thoradh air sin, foghlaimíonn an DSS go leanúnach agus d’fhéadfadh sé, tar éis am áirithe, na gníomhartha riachtanacha a thionscnamh go huathoibríoch agus gan ach an bainisteoir gairneoireachta a chur ar an eolas agus, trí bhreathnú, rialacha a dhíorthú maidir le hiompar a athrú i dtáirgeadh, mar shampla nuair a shaothraítear barr nua. (Irish)
4 November 2022
0 references
Die Produktion von Zierpflanzen und Gemüse ist eine bedeutende Wirtschaftstätigkeit im regionalen Gartenbau entlang der deutsch-niederländischen Grenze. Steigende Arbeitskosten, Fachkräftemangel, internationaler Wettbewerb und steigende Qualitätsanforderungen durch Vermarkter und Verbraucher setzen die Branche zunehmend unter Druck. Betriebsleiter müssen immer mehr Gartenbauleiter werden. Das Projekt „Gardener’s Green Thumb“ will Beiträge leisten, die zu einer spürbaren Verbesserung und Entlastung in der Unternehmenspraxis führen. Die Digitalisierung und insbesondere künstliche Intelligenz oder Techniken des maschinellen Lernens können auch Kleinstunternehmen dabei helfen, ihre Wettbewerbsfähigkeit zu steigern. Kernstück des Projekts ist die Entwicklung eines selbstlernenden Entscheidungsunterstützungssystems (DSS). Dazu werden zuerst mit Sensoren gärtnerische Aktivitäten erfasst und automatisch dokumentiert. Anhand von maschinellen Lernmethoden werden Korrelationen zwischen aktuellen und historischen Umweltmessungen (Klima, Licht, Pflanze, Boden) einerseits und den Entscheidungen des Gartenbaumanagements (Düngung, Bewässerung, Klimawandel usw.) andererseits aus den erzeugten Beobachtungen identifiziert, um daraus Regeln abzuleiten. In der Ausbildungsphase könnte beispielsweise eine Interaktion des Systems mit dem Kulturleitfaden sein: Wenn in der Vergangenheit ähnliche Gewächshaus- und Pflanzenbedingungen vorherrschen, haben Sie sich zu 80 % für die Alternative A, 15 % B und 5 % C entschieden. (Diese Vorschläge kennen wir in ähnlicher Weise, zum Beispiel aus dem Amazon Online Shop). Dadurch lernt das DSS kontinuierlich und konnte nach einer gewissen Zeit automatisch die notwendigen Maßnahmen initiieren und nur den Gartenbauleiter informieren und durch Beobachtung Regeln für verändertes Verhalten in der Produktion ableiten, zum Beispiel wenn eine neue Kultur angebaut wird. (German)
4 November 2022
0 references
Produkcja roślin ozdobnych i warzyw jest znaczącą działalnością gospodarczą w ogrodnictwie regionalnym wzdłuż granicy niemiecko-holenderskiej. Rosnące koszty pracy, niedobór wykwalifikowanych pracowników, międzynarodowa konkurencja i rosnące wymagania jakościowe ze strony marketerów i konsumentów wywierają coraz większą presję na przemysł. Zarządcy gospodarstw rolnych muszą stawać się coraz bardziej menedżerami ogrodniczymi. Projekt „Gardener’s Green Thumb” chce wnieść wkład, który prowadzi do zauważalnej poprawy i ulgi w praktyce firmy. Cyfryzacja, a w szczególności sztuczna inteligencja lub techniki uczenia maszynowego mogą również pomóc mikroprzedsiębiorstwom zwiększyć ich konkurencyjność. Podstawą projektu jest opracowanie samouczącego się systemu wspomagania decyzji (DSS). W tym celu czynności ogrodnicze są najpierw rejestrowane za pomocą czujników i automatycznie dokumentowane. Wykorzystanie metod uczenia maszynowego, korelacje między bieżącymi i historycznymi pomiarami środowiskowymi (klimat, światło, roślina, gleba) z jednej strony a decyzjami w zakresie zarządzania ogrodnictwem (nawożenie, nawadnianie, zmiana klimatu itp.) z drugiej strony zostaną zidentyfikowane na podstawie wygenerowanych obserwacji, aby wyprowadzić z niego reguły. Na przykład na etapie szkolenia interakcja systemu z przewodnikiem kulturowym może być: Jeśli w przeszłości panowały podobne warunki szklarniowe i roślinne, 80 % czasu wybierałeś alternatywę A, 15 % B i 5 % C. Czy chcesz ponownie wybrać A? (Takie sugestie znamy w podobny sposób, na przykład ze sklepu internetowego Amazon). W rezultacie DSS stale uczy się i może, po pewnym czasie, automatycznie inicjować niezbędne działania i informować tylko zarządcę ogrodnictwa i, poprzez obserwację, ustalać zasady zmiany zachowań w produkcji, na przykład gdy uprawiana jest nowa uprawa. (Polish)
4 November 2022
0 references
De productie van sierplanten en groenten is een belangrijke economische activiteit in de regionale tuinbouw langs de Duits-Nederlandse grens. Stijgende arbeidskosten, een tekort aan geschoolde werknemers, internationale concurrentie en toenemende kwaliteitseisen van marketeers en consumenten zetten de industrie steeds meer onder druk. Boerenbeheerders moeten steeds meer tuinbouwmanagers worden. Het project „Gardener’s Green Thumb” wil bijdragen leveren die leiden tot een merkbare verbetering en verlichting in de bedrijfspraktijk. Digitalisering en, in het bijzonder, technieken voor kunstmatige intelligentie of machine learning kunnen micro-ondernemingen ook helpen hun concurrentievermogen te vergroten. De kern van het project is de ontwikkeling van een zelflerend beslissingsondersteunend systeem (DSS). Hiervoor worden tuinbouwactiviteiten eerst met sensoren geregistreerd en automatisch gedocumenteerd. Met behulp van machinaal lerende methoden zullen de correlaties tussen de huidige en historische milieumetingen (klimaat, licht, plant, bodem) enerzijds en de beslissingen van het tuinbouwbeheer (bemesting, irrigatie, klimaatverandering, enz.) anderzijds worden geïdentificeerd aan de hand van de gegenereerde waarnemingen, om er regels uit af te leiden. In de opleidingsfase kan bijvoorbeeld een interactie van het systeem met de culturele gids zijn: Als vergelijkbare kas- en plantomstandigheden in het verleden prevaleerden, 80 % van de tijd dat u hebt gekozen voor alternatief A, 15 % B en 5 % C. Wilt u opnieuw kiezen voor A? Dergelijke suggesties die we op een vergelijkbare manier kennen, bijvoorbeeld van de Amazon Online Shop). Als gevolg hiervan leert de DSS continu en kan het na een bepaalde tijd automatisch de nodige acties initiëren en alleen de tuinbouwmanager informeren en, door observatie, regels afleiden voor veranderend gedrag in de productie, bijvoorbeeld wanneer een nieuw gewas wordt verbouwd. (Dutch)
4 November 2022
0 references
Producția de plante ornamentale și legume este o activitate economică semnificativă în horticultură regională de-a lungul frontierei germano-olandeze. Creșterea costurilor forței de muncă, lipsa de lucrători calificați, concurența internațională și creșterea cerințelor de calitate ale comercianților și consumatorilor exercită o presiune din ce în ce mai mare asupra industriei. Managerii de ferme trebuie să devină din ce în ce mai mulți manageri horticultori. Proiectul „Gardener’s Green Thumb” dorește să aducă contribuții care să conducă la o îmbunătățire și o ușurare notabilă în practica companiei. Digitalizarea și, în special, inteligența artificială sau tehnicile de învățare automată pot ajuta, de asemenea, microîntreprinderile să își sporească competitivitatea. Nucleul proiectului este dezvoltarea unui sistem de suport pentru decizii de auto-învățare (DSS). În acest scop, activitățile horticole sunt mai întâi înregistrate cu senzori și documentate automat. Folosind metode de învățare automată, corelațiile dintre măsurătorile de mediu actuale și istorice (climă, lumină, plante, sol) pe de o parte și deciziile managementului horticol (fertilizare, irigare, schimbări climatice etc.) pe de altă parte, vor fi identificate din observațiile generate, pentru a deduce reguli din acestea. De exemplu, în faza de formare, o interacțiune a sistemului cu ghidul cultural ar putea fi: Dacă în trecut au predominat condiții similare de seră și plante, 80 % din timp ați ales alternativa A, 15 % B și 5 % C. Vrei să alegi din nou A? (Aceste sugestii pe care le cunoaștem într-un mod similar, de exemplu, de la Amazon Online Shop). Ca urmare, DSS învață continuu și ar putea, după un anumit timp, să inițieze automat acțiunile necesare și să informeze doar managerul horticol și, prin observație, să deducă reguli pentru schimbarea comportamentului în producție, de exemplu atunci când o nouă cultură este cultivată. (Romanian)
4 November 2022
0 references
Η παραγωγή καλλωπιστικών φυτών και λαχανικών αποτελεί σημαντική οικονομική δραστηριότητα στην περιφερειακή καλλιέργεια κηπευτικών κατά μήκος των γερμανοολλανδικών συνόρων. Η αύξηση του κόστους εργασίας, η έλλειψη ειδικευμένων εργαζομένων, ο διεθνής ανταγωνισμός και οι αυξανόμενες απαιτήσεις ποιότητας από τους εμπόρους και τους καταναλωτές ασκούν αυξανόμενη πίεση στη βιομηχανία. Οι διαχειριστές γεωργικών εκμεταλλεύσεων πρέπει να γίνουν όλο και περισσότεροι διαχειριστές κηπευτικών. Το έργο «Gardener’s Green Thumb» θέλει να κάνει συνεισφορές που οδηγούν σε αισθητή βελτίωση και ανακούφιση στην πρακτική της εταιρείας. Η ψηφιοποίηση και, ειδικότερα, οι τεχνικές τεχνητής νοημοσύνης ή μηχανικής μάθησης μπορούν επίσης να βοηθήσουν τις πολύ μικρές επιχειρήσεις να αυξήσουν την ανταγωνιστικότητά τους. Ο πυρήνας του έργου είναι η ανάπτυξη ενός συστήματος αυτοδιδασκαλίας αποφάσεων (DSS). Για το σκοπό αυτό, οι κηπευτικές δραστηριότητες καταγράφονται πρώτα με αισθητήρες και τεκμηριώνονται αυτόματα. Χρησιμοποιώντας μεθόδους μηχανικής μάθησης, οι συσχετίσεις μεταξύ των σημερινών και ιστορικών περιβαλλοντικών μετρήσεων (κλίμα, φως, φυτό, έδαφος) αφενός και των αποφάσεων της διαχείρισης κηπευτικών (λίπανση, άρδευση, κλιματική αλλαγή κ.λπ.) αφετέρου, θα προσδιοριστούν από τις παραγόμενες παρατηρήσεις, ώστε να εξαχθούν κανόνες από αυτές. Για παράδειγμα, κατά τη φάση της κατάρτισης, η αλληλεπίδραση του συστήματος με τον πολιτιστικό οδηγό μπορεί να είναι: Εάν στο παρελθόν επικρατούσαν παρόμοιες συνθήκες θερμοκηπίου και φυτών, το 80 % των περιπτώσεων που έχετε επιλέξει την εναλλακτική λύση Α, 15 % Β και 5 % Γ. Θέλετε να επιλέξετε ξανά το Α; «(Τέτοιες προτάσεις που γνωρίζουμε με παρόμοιο τρόπο, για παράδειγμα, από το Amazon Online Shop). Ως αποτέλεσμα, το Σ.Α.Σ. μαθαίνει συνεχώς και θα μπορούσε, μετά από ένα ορισμένο χρονικό διάστημα, να ξεκινήσει αυτόματα τις απαραίτητες ενέργειες και να ενημερώσει μόνο τον υπεύθυνο κηπευτικών και, με παρατήρηση, να αντλήσει κανόνες για την αλλαγή της συμπεριφοράς στην παραγωγή, για παράδειγμα όταν καλλιεργείται μια νέα καλλιέργεια. (Greek)
4 November 2022
0 references
Produktionen av prydnadsväxter och grönsaker är en betydande ekonomisk verksamhet i den regionala trädgårdsodlingen längs den tysk-nederländska gränsen. Stigande arbetskraftskostnader, brist på kvalificerad arbetskraft, internationell konkurrens och ökande kvalitetskrav från marknadsförare och konsumenter sätter ett ökande tryck på industrin. Gårdschefer måste bli fler och fler trädgårdsmästare. Projektet ”Gardener’s Green Thumb” vill bidra till en märkbar förbättring och lättnad i företagspraxis. Digitalisering, särskilt artificiell intelligens eller maskininlärningsteknik, kan också hjälpa mikroföretag att öka sin konkurrenskraft. Kärnan i projektet är utvecklingen av ett självlärande beslutsstödssystem (DSS). För detta ändamål registreras trädgårdsaktiviteter först med sensorer och dokumenteras automatiskt. Med hjälp av maskininlärningsmetoder kommer sambanden mellan å ena sidan aktuella och historiska miljömätningar (klimat, ljus, växt, jord) å ena sidan och de beslut som fattas av trädgårdsskötsel (befruktning, bevattning, klimatförändringar osv.) å andra sidan att identifieras från de genererade observationerna för att härleda regler ur den. I utbildningsfasen kan till exempel ett samspel mellan systemet och kulturguiden vara: ”Om liknande växthus- och växtförhållanden rådde tidigare, 80 % av tiden du har valt alternativ A, 15 % B och 5 % C. Vill du välja A igen? ”(Sådana förslag som vi känner till på ett liknande sätt, till exempel från Amazon Online Shop). Som ett resultat, DSS kontinuerligt lär sig och kan, efter en viss tid, automatiskt initiera nödvändiga åtgärder och endast informera trädgårdsskötaren och, genom observation, härleda regler för att ändra beteende i produktionen, till exempel när en ny gröda odlas. (Swedish)
4 November 2022
0 references
Proizvodnja okrasnih rastlin in zelenjave je pomembna gospodarska dejavnost v regionalnem vrtnarstvu vzdolž nemško-nizozemske meje. Naraščajoči stroški dela, pomanjkanje usposobljenih delavcev, mednarodna konkurenca in vse večje zahteve glede kakovosti s strani tržnikov in potrošnikov vse bolj pritiskajo na industrijo. Upravljavci kmetij morajo postati vse bolj vrtnarski menedžerji. Projekt „Gardener’s Green Thumb“ želi prispevati k opaznemu izboljšanju in olajšavi v praksi podjetja. Digitalizacija in zlasti umetna inteligenca ali tehnike strojnega učenja lahko tudi pomagajo mikropodjetjem povečati njihovo konkurenčnost. Jedro projekta je razvoj samoučnega sistema za podporo odločanju (DSS). V ta namen se hortikulturne dejavnosti najprej beležijo s senzorji in samodejno dokumentirajo. Z uporabo metod strojnega učenja bodo na podlagi ustvarjenih opazovanj ugotovljene korelacije med sedanjimi in zgodovinskimi okoljskimi meritvami (podnebje, svetloba, rastlina, tla) ter odločitvami vrtnarskega upravljanja (gnojenje, namakanje, podnebne spremembe itd.) na drugi strani, da se iz njih izpeljejo pravila. Na primer, v fazi usposabljanja je lahko interakcija sistema s kulturnim vodnikom: „Če so v preteklosti prevladovale podobne razmere v rastlinjaku in rastlinah, 80 % časa ste izbrali alternativo A, 15 % B in 5 % C. Ali želite ponovno izbrati A? „(Takšne predloge poznamo na podoben način, na primer iz spletne trgovine Amazon). Kot rezultat, DSS nenehno uči in lahko po določenem času samodejno sproži potrebne ukrepe in samo obvesti hortikulturnega menedžerja in z opazovanjem izpelje pravila za spreminjanje vedenja v proizvodnji, na primer, ko se goji nov pridelek. (Slovenian)
4 November 2022
0 references
Dekoratiivtaimede ja köögiviljade tootmine on oluline majandustegevus piirkondlikus aianduses Saksamaa-Hollandi piiril. Suurenevad tööjõukulud, oskustööliste puudus, rahvusvaheline konkurents ning turundajate ja tarbijate suurenevad kvaliteedinõuded avaldavad tööstusele üha suuremat survet. Põllumajandusettevõtete juhtidest peab saama üha rohkem aiandusjuhte. Projekt „Gardeneri roheline pöidla“ soovib anda panuse, mis toob kaasa märgatava paranemise ja leevenduse ettevõtte praktikas. Digiteerimine ning eelkõige tehisintellekt ja masinõppe tehnikad võivad samuti aidata mikroettevõtjatel suurendada oma konkurentsivõimet. Projekti tuum on eneseõppimise otsuste tugisüsteemi (DSS) arendamine. Selleks registreeritakse aiandustegevus kõigepealt anduritega ja dokumenteeritakse automaatselt. Masinõppe meetodite abil tehakse tehtud tähelepanekute põhjal kindlaks korrelatsioonid ühelt poolt praeguste ja ajalooliste keskkonnamõõtmiste (kliima, valgus, taim, muld) ja teiselt poolt aianduse juhtimise otsuste (väetis, niisutamine, kliimamuutused jne) vahel, et tuletada eeskirjad sellest välja. Näiteks koolitusetapis võib süsteemi ja kultuurijuhendi koostoime olla: Kui varem valitsesid sarnased kasvuhoone- ja taimetingimused, siis 80 % ajast, mil olete valinud alternatiivi A, 15 % B ja 5 % C. Kas soovite valida A uuesti? (Sellised soovitused, mida me teame sarnasel viisil, näiteks Amazoni veebipoest). Selle tulemusena õpib DSS pidevalt ja võib teatud aja pärast automaatselt algatada vajalikke toiminguid ja teavitada ainult aiandusjuhti ja vaatluse teel tuletada eeskirju tootmise käitumise muutmiseks, näiteks kui kasvatatakse uut põllukultuuri. (Estonian)
4 November 2022
0 references
Produkce okrasných rostlin a zeleniny je významnou hospodářskou činností v regionálním zahradnictví podél německo-holandské hranice. Rostoucí náklady na pracovní sílu, nedostatek kvalifikovaných pracovníků, mezinárodní konkurence a rostoucí požadavky na kvalitu ze strany obchodníků a spotřebitelů vyvíjejí rostoucí tlak na průmysl. Manažeři zemědělských podniků se musí stát stále více a více zahradnickými manažery. Projekt „Gardener’s Green Thumb“ chce přispět k výraznému zlepšení a úlevě ve firemní praxi. Digitalizace a zejména umělá inteligence nebo techniky strojového učení mohou rovněž pomoci mikropodnikům zvýšit jejich konkurenceschopnost. Jádrem projektu je vývoj samovzdělávacího systému pro rozhodování (DSS). Za tímto účelem jsou zahradnické činnosti nejprve zaznamenávány pomocí senzorů a automaticky dokumentovány. Použití metod strojového učení, korelace mezi současným a historickým měřením životního prostředí (klima, světlo, rostlina, půda) na jedné straně a rozhodnutí zahradnického managementu (hnojování, zavlažování, změna klimatu atd.) na straně druhé budou identifikovány z vytvořených pozorování, aby se z něj odvodila pravidla. Například ve fázi školení může být interakce systému s kulturním průvodcem: Pokud v minulosti převládaly podobné skleníkové a rostlinné podmínky, 80 % času jste zvolili alternativu A, 15 % B a 5 % C. Chcete si znovu vybrat A? „(Takové návrhy známe podobným způsobem, například z Amazon Online Shopu). V důsledku toho se DSS průběžně učí a může po určité době automaticky zahájit nezbytné kroky a pouze informovat zahradnického manažera a pomocí pozorování odvodit pravidla pro změnu chování ve výrobě, například při pěstování nové plodiny. (Czech)
4 November 2022
0 references
La produzione di piante ornamentali e ortaggi è una significativa attività economica nell'orticoltura regionale lungo il confine tedesco-olandese. L'aumento dei costi del lavoro, la carenza di lavoratori qualificati, la concorrenza internazionale e l'aumento dei requisiti di qualità da parte dei marketer e dei consumatori stanno mettendo sempre più pressione sull'industria. I gestori delle aziende agricole devono diventare sempre più gestori orticoli. Il progetto "Gardener's Green Thumb" vuole dare contributi che portino a un notevole miglioramento e sollievo nella pratica aziendale. La digitalizzazione e, in particolare, le tecniche di intelligenza artificiale o di apprendimento automatico possono anche aiutare le microimprese ad aumentare la loro competitività. Il nucleo del progetto è lo sviluppo di un sistema decisionale di autoapprendimento (DSS). A tal fine, le attività orticole vengono prima registrate con sensori e documentate automaticamente. Utilizzando metodi di machine learning, le correlazioni tra le misure ambientali attuali e storiche (clima, luce, pianta, suolo) da un lato e le decisioni della gestione orticola (fertilizzazione, irrigazione, cambiamenti climatici, ecc.), dall'altra, saranno identificate dalle osservazioni generate, per ricavarne delle regole. Ad esempio, nella fase di formazione, un'interazione del sistema con la guida culturale potrebbe essere: "Se in passato prevalevano condizioni simili in serra e piante, l'80 % delle volte ha scelto l'alternativa A, il 15 % B e il 5 % C. Vuoi scegliere di nuovo A? (Questi suggerimenti che conosciamo in modo simile, ad esempio, dal negozio online di Amazon). Di conseguenza, il DSS impara continuamente e potrebbe, dopo un certo tempo, avviare automaticamente le azioni necessarie e informare solo il gestore orticolo e, attraverso l'osservazione, derivare regole per cambiare il comportamento nella produzione, ad esempio quando viene coltivata una nuova coltura. (Italian)
4 November 2022
0 references
Koristekasvien ja vihannesten tuotanto on merkittävää taloudellista toimintaa alueellisessa puutarhaviljelyssä Saksan ja Alankomaiden rajalla. Kasvavat työvoimakustannukset, ammattitaitoisten työntekijöiden puute, kansainvälinen kilpailu sekä markkinoijien ja kuluttajien lisääntyvät laatuvaatimukset aiheuttavat yhä enemmän paineita teollisuudelle. Tilanhoitajista on tultava yhä enemmän puutarhanhoitajia. Hanke ”Gardener’s Green Thumb” haluaa antaa panoksensa, jotka johtavat huomattavaan parannukseen ja helpottamiseen yrityksen käytännössä. Digitalisaatio ja erityisesti tekoäly- tai koneoppimistekniikat voivat myös auttaa mikroyrityksiä parantamaan kilpailukykyään. Hankkeen ydin on itseoppivan päätöksenteon tukijärjestelmän (DSS) kehittäminen. Tätä tarkoitusta varten puutarhanhoitotoiminta tallennetaan ensin antureilla ja dokumentoidaan automaattisesti. Koneoppimismenetelmien avulla voidaan havaita nykyisten ja historiallisten ympäristömittausten (ilmasto, valo, kasvi, maaperä) ja puutarhanhoidon päätösten (lannoitus, kastelu, ilmastonmuutos jne.) väliset korrelaatiot saatujen havaintojen perusteella, jotta niistä saadaan sääntöjä. Esimerkiksi koulutusvaiheessa järjestelmän vuorovaikutus kulttuurioppaan kanssa voi olla: ”Jos aiemmin vallitsi samanlaiset kasvihuone- ja kasviolosuhteet, 80 % ajasta olet valinnut vaihtoehdon A, 15 % B ja 5 % C. Haluatko valita A uudelleen? ”(Tällaisia ehdotuksia tiedämme samalla tavalla, esimerkiksi Amazon Online Shop). Tämän seurauksena DSS oppii jatkuvasti ja voi tietyn ajan kuluttua käynnistää automaattisesti tarvittavat toimet ja ilmoittaa vain puutarhanhoitajalle ja havainnoimalla johtaa sääntöjä tuotannon käyttäytymisen muuttamiseksi, esimerkiksi kun uutta satoa viljellään. (Finnish)
4 November 2022
0 references
Производството на декоративни растения и зеленчуци е значителна икономическа дейност в регионалното градинарство по германско-нидерландската граница. Нарастващите разходи за труд, недостигът на квалифицирани работници, международната конкуренция и нарастващите изисквания за качество от страна на търговците и потребителите оказват все по-голям натиск върху индустрията. Управителите на земеделски стопанства трябва да стават все повече градинари. Проектът „Gardener„s Green Thumb“ иска да направи принос, който да доведе до забележимо подобрение и облекчение в практиката на компанията. Цифровизацията, и по-специално изкуственият интелект или техниките за машинно самообучение, също могат да помогнат на микропредприятията да повишат своята конкурентоспособност. В основата на проекта е разработването на система за самообучение за подпомагане на вземането на решения (DSS). За тази цел градинарските дейности първо се записват със сензори и автоматично се документират. Използвайки методи за машинно самообучение, от една страна, от получените наблюдения ще бъдат установени корелации между текущите и историческите измервания на околната среда (климат, светлина, растение, почва) и решенията на градинарското управление (торене, напояване, изменение на климата и др.), от друга страна, за да се изведат правила от него. Например във фазата на обучение взаимодействието на системата с културния гид може да бъде: Ако подобни оранжерии и растителни условия са преобладавали в миналото, 80 % от времето сте избрали алтернатива А, 15 % В и 5 % С. Искате ли да изберете отново А? (Такива предложения, които познаваме по подобен начин, например от онлайн магазина на Amazon). В резултат на това DSS непрекъснато се учи и може, след известно време, автоматично да инициира необходимите действия и само да информира градинарския мениджър и, чрез наблюдение, да изведе правила за промяна на поведението в производството, например когато се отглежда нова култура. (Bulgarian)
4 November 2022
0 references
Dekoratyvinių augalų ir daržovių auginimas yra svarbi ekonominė veikla regioninėje sodininkystėje prie Vokietijos ir Nyderlandų sienos. Didėjančios darbo sąnaudos, kvalifikuotų darbuotojų trūkumas, tarptautinė konkurencija ir didėjantys rinkodaros ir vartotojų kokybės reikalavimai daro vis didesnį spaudimą pramonei. Ūkių valdytojai turi tapti vis daugiau sodininkų. Projektu „Gardener’s Green Thumb“ siekiama prisidėti prie pastebimo įmonės praktikos tobulinimo ir palengvinimo. Skaitmeninimas ir visų pirma dirbtinis intelektas arba mašinų mokymosi metodai taip pat gali padėti labai mažoms įmonėms didinti savo konkurencingumą. Projekto esmė – sukurti savarankiško mokymosi sprendimų paramos sistemą (DSS). Šiuo tikslu sodininkystės veikla pirmiausia registruojama jutikliais ir automatiškai patvirtinama dokumentais. Naudojant mašininio mokymosi metodus, remiantis gautais stebėjimais bus nustatytos dabartinių ir istorinių aplinkos matavimų (klimato, šviesos, augalų, dirvožemio) ir sodininkystės valdymo (tręšimo, drėkinimo, klimato kaitos ir kt.) sprendimų koreliacijos, siekiant iš to nustatyti taisykles. Pavyzdžiui, mokymo etape sistemos sąveika su kultūros gidu gali būti tokia: Jei panašios šiltnamio ir augalų sąlygos vyravo praeityje, 80 % laiko pasirinkote alternatyvą A, 15 % B ir 5 % C. Ar norite vėl pasirinkti A? (Tokius pasiūlymus mes žinome panašiai, pavyzdžiui, iš „Amazon“ internetinės parduotuvės). Todėl DSS nuolat mokosi ir po tam tikro laiko gali automatiškai inicijuoti būtinus veiksmus ir tik informuoti sodininkystės vadybininką ir, stebėdama, nustatyti taisykles, kaip keisti gamybos elgseną, pavyzdžiui, kai auginama nauja kultūra. (Lithuanian)
4 November 2022
0 references
Výroba okrasných rastlín a zeleniny je významnou hospodárskou činnosťou v regionálnom záhradníctve pozdĺž nemecko-holandskej hranice. Rastúce náklady na pracovnú silu, nedostatok kvalifikovaných pracovníkov, medzinárodná konkurencia a zvyšujúce sa požiadavky na kvalitu zo strany obchodníkov a spotrebiteľov vyvíjajú čoraz väčší tlak na priemysel. Manažéri poľnohospodárskych podnikov sa musia stať čoraz viac záhradníckymi manažérmi. Projekt „Gardener’s Green Thumb“ chce prispieť k výraznému zlepšeniu a úľave v praxi spoločnosti. Digitalizácia, a najmä umelá inteligencia alebo techniky strojového učenia, môžu mikropodnikom pomôcť zvýšiť ich konkurencieschopnosť. Jadrom projektu je rozvoj samovzdelávacieho podporného systému (DSS). Na tento účel sa záhradnícke činnosti najprv zaznamenávajú pomocou senzorov a automaticky dokumentujú. Na základe získaných pozorovaní sa identifikujú korelácie medzi súčasnými a historickými environmentálnymi meraniami (klíma, svetlo, rastlina, pôda) na jednej strane a rozhodnutiami záhradníckeho manažmentu (hnojenie, zavlažovanie, zmena klímy atď.) na strane druhej. Napríklad vo fáze odbornej prípravy môže byť interakcia systému s kultúrnym sprievodcom: Ak v minulosti prevládali podobné skleníkové a rastlinné podmienky, 80 % času ste si vybrali alternatívu A, 15 % B a 5 % C. Chcete si vybrať A znova? (Takéto návrhy poznáme podobným spôsobom, napríklad z Amazon Online Shop). Výsledkom je, že DSS sa neustále učí a po určitom čase môže automaticky iniciovať potrebné kroky a iba informovať záhradníckeho manažéra a pozorovaním odvodiť pravidlá pre zmenu správania vo výrobe, napríklad keď sa pestuje nová plodina. (Slovak)
4 November 2022
0 references
Dekoratīvo augu un dārzeņu ražošana ir nozīmīga saimnieciskā darbība reģionālajā dārzkopībā gar Vācijas un Nīderlandes robežu. Augošās darbaspēka izmaksas, kvalificētu darbinieku trūkums, starptautiskā konkurence un pieaugošas tirgotāju un patērētāju kvalitātes prasības rada arvien lielāku spiedienu uz nozari. Lauku saimniecību vadītājiem ir jākļūst arvien vairāk dārzkopības vadītājiem. Projekts “Gardener’s Green Thumb” vēlas sniegt ieguldījumu, kas ļauj ievērojami uzlabot un atvieglot uzņēmuma praksi. Digitalizācija un jo īpaši mākslīgais intelekts vai mašīnmācīšanās metodes var arī palīdzēt mikrouzņēmumiem palielināt konkurētspēju. Projekta pamatā ir pašmācības lēmumu atbalsta sistēmas (DSS) izstrāde. Šim nolūkam dārzkopības darbības vispirms reģistrē ar sensoriem un automātiski dokumentē. Izmantojot mašīnmācīšanās metodes, korelāciju starp pašreizējiem un vēsturiskajiem vides mērījumiem (klimats, gaisma, augs, augsne), no vienas puses, un dārzkopības pārvaldības lēmumiem (mēslošana, apūdeņošana, klimata pārmaiņas u. c.), no otras puses, noteiks no radītajiem novērojumiem, lai no tiem iegūtu izņēmumus. Piemēram, apmācības posmā sistēmas mijiedarbība ar kultūras gidu varētu būt: “Ja agrāk dominēja līdzīgi siltumnīcas un augu apstākļi, 80 % no laika, kad izvēlējāties alternatīvu A, 15 % B un 5 % C. Vai vēlaties vēlreiz izvēlēties A? “(Šādus ieteikumus mēs zinām līdzīgā veidā, piemēram, no Amazon Online Shop). Tā rezultātā DSS nepārtraukti mācās un pēc noteikta laika var automātiski uzsākt nepieciešamās darbības un informēt tikai dārzkopības vadītāju un, novērojot, atvasināt noteikumus uzvedības maiņai ražošanā, piemēram, ja tiek audzēta jauna kultūra. (Latvian)
4 November 2022
0 references
A dísznövények és zöldségek termesztése jelentős gazdasági tevékenység a német-holland határ menti regionális kertészetben. A növekvő munkaerőköltségek, a szakképzett munkaerő hiánya, a nemzetközi verseny, valamint a marketingesek és a fogyasztók egyre növekvő minőségi követelményei egyre nagyobb nyomást gyakorolnak az iparra. A mezőgazdasági vezetőknek egyre inkább kertészeti vezetőkké kell válniuk. A „Gardener’s Green Thumb” projekt olyan hozzájárulásokat kíván tenni, amelyek észrevehető javuláshoz és megkönnyebbüléshez vezetnek a vállalati gyakorlatban. A digitalizáció és különösen a mesterséges intelligencia vagy a gépi tanulási technikák szintén segíthetnek a mikrovállalkozások versenyképességének növelésében. A projekt lényege egy öntanulási döntéstámogató rendszer (DSS) kifejlesztése. E célból a kertészeti tevékenységeket először érzékelőkkel rögzítik, és automatikusan dokumentálják. Gépi tanulási módszerek alkalmazásával egyrészt a jelenlegi és a történeti környezeti mérések (klíma, fény, növény, talaj) és a kertészeti gazdálkodás (műtrágyázás, öntözés, éghajlatváltozás stb.) döntései közötti korrelációt azonosítjuk a létrehozott megfigyelések alapján, hogy ebből szabályok szülessenek. Például a képzési szakaszban a rendszer és a kulturális útmutató közötti kölcsönhatás a következő lehet: „Ha a múltban hasonló üvegház- és növényviszonyok uralkodtak, az idő 80%-ában az A, a 15% B és az 5% C alternatívát választottad. (Az ilyen javaslatokat hasonló módon ismerjük, például az Amazon Online Shop-ból). Ennek eredményeként a DSS folyamatosan tanul, és egy bizonyos idő elteltével automatikusan kezdeményezheti a szükséges intézkedéseket, és csak a kertészeti vezetőt tájékoztatja, és megfigyeléssel szabályokat állapít meg a termelési viselkedés megváltoztatására, például egy új növény termesztése esetén. (Hungarian)
4 November 2022
0 references
Proizvodnja ukrasnog bilja i povrća značajna je gospodarska aktivnost u regionalnoj hortikulturi duž njemačko-nizozemske granice. Sve veći troškovi rada, manjak kvalificiranih radnika, međunarodna konkurencija i sve veći zahtjevi za kvalitetom od strane trgovaca i potrošača sve više opterećuju industriju. Upravitelji poljoprivrednih gospodarstava moraju postati sve više i više upravitelja hortikulture. Projekt „Gardener’s Green Thumb” želi dati doprinos koji će dovesti do primjetnog poboljšanja i olakšanja u praksi tvrtke. Digitalizacija, a posebno umjetna inteligencija ili tehnike strojnog učenja, također mogu pomoći mikropoduzećima da povećaju svoju konkurentnost. Srž projekta je razvoj sustava potpore za samostalno učenje odluka (DSS). U tu svrhu hortikulturne aktivnosti prvo se bilježe senzorima i automatski dokumentiraju. Primjenom metoda strojnog učenja, korelacije između trenutačnih i povijesnih mjerenja okoliša (klima, svjetlo, biljka, tlo) s jedne strane i odluka o upravljanju hortikulturom (gnojivanje, navodnjavanje, klimatske promjene itd.) s druge strane, utvrdit će se iz dobivenih opažanja kako bi se iz toga izvela pravila. Na primjer, u fazi osposobljavanja interakcija sustava s kulturnim vodičem mogla bi biti sljedeća: Ako su slični staklenički i biljni uvjeti prevladavali u prošlosti, 80 % vremena ste odabrali alternativu A, 15 % B i 5 % C. Želite li ponovno odabrati A? (Takve prijedloge poznajemo na sličan način, na primjer, iz Amazon Online Shopa). Kao rezultat toga, DSS kontinuirano uči i može, nakon određenog vremena, automatski pokrenuti potrebne radnje i obavijestiti samo upravitelja hortikulture i, promatrajući, izvući pravila za promjenu ponašanja u proizvodnji, na primjer kada se uzgaja novi usjev. (Croatian)
4 November 2022
0 references
La producción de plantas ornamentales y hortalizas es una actividad económica significativa en la horticultura regional a lo largo de la frontera germano-holandesa. El aumento de los costos laborales, la escasez de trabajadores calificados, la competencia internacional y el aumento de los requisitos de calidad por parte de los vendedores y los consumidores están ejerciendo una creciente presión sobre la industria. Los gerentes de granjas deben convertirse cada vez más en gerentes hortícolas. El proyecto «Gardener’s Green Thumb» quiere hacer contribuciones que conduzcan a una mejora notable y alivio en la práctica de la empresa. La digitalización y, en particular, la inteligencia artificial o las técnicas de aprendizaje automático también pueden ayudar a las microempresas a aumentar su competitividad. El núcleo del proyecto es el desarrollo de un sistema de apoyo a las decisiones de autoaprendizaje (DSS). Para ello, las actividades hortícolas se registran primero con sensores y se documentan automáticamente. Utilizando métodos de aprendizaje automático, las correlaciones entre las mediciones ambientales actuales e históricas (clima, luz, planta, suelo) por un lado y las decisiones de la gestión hortícola (fertilización, riego, cambio climático, etc.) por otro lado, se identificarán a partir de las observaciones generadas, para derivar reglas de la misma. Por ejemplo, en la fase de formación, una interacción del sistema con la guía cultural podría ser: «Si prevalecieron condiciones similares de invernadero y plantas en el pasado, el 80 % de las veces ha elegido la alternativa A, 15 % B y 5 % C. ¿Quieres elegir de nuevo A? «(Tales sugerencias que conocemos de manera similar, por ejemplo, de la tienda en línea de Amazon). Como resultado, el DSS aprende continuamente y podría, después de cierto tiempo, iniciar automáticamente las acciones necesarias y solo informar al gerente hortícola y, por observación, derivar reglas para cambiar el comportamiento en la producción, por ejemplo cuando se cultiva un nuevo cultivo. (Spanish)
4 November 2022
0 references
A produção de plantas e produtos hortícolas ornamentais é uma atividade económica significativa na horticultura regional ao longo da fronteira germano-neerlandesa. O aumento dos custos laborais, a escassez de trabalhadores qualificados, a concorrência internacional e o aumento dos requisitos de qualidade por parte dos profissionais de marketing e dos consumidores estão a exercer uma pressão crescente sobre a indústria. Os gestores agrícolas devem tornar-se cada vez mais gestores hortícolas. O projeto "Gardener's Green Thumb" quer fazer contribuições que levem a uma melhoria notável e alívio na prática da empresa. A digitalização e, em especial, a inteligência artificial ou as técnicas de aprendizagem automática podem também ajudar as microempresas a aumentar a sua competitividade. O núcleo do projeto é o desenvolvimento de um sistema de apoio à decisão de autoaprendizagem (DSS). Para este efeito, as atividades hortícolas são primeiro registadas com sensores e documentadas automaticamente. Utilizando métodos de aprendizagem automática, as correlações entre as medições ambientais atuais e históricas (clima, luz, planta, solo), por um lado, e as decisões da gestão hortícola (fertilização, irrigação, alterações climáticas, etc.), por outro lado, serão identificadas a partir das observações geradas, para derivar regras a partir dele. Por exemplo, na fase de formação, uma interação do sistema com o guia cultural pode ser: «Se, no passado, prevaleceram condições semelhantes em termos de estufas e plantas, 80 % das vezes optou pela alternativa A, 15 % B e 5 % C. Quer voltar a escolher A? "(Tais sugestões conhecemos de forma semelhante, por exemplo, da Amazon Online Shop). Como resultado, o DSS aprende continuamente e pode, depois de um certo tempo, iniciar automaticamente as ações necessárias e apenas informar o gestor hortícola e, por observação, derivar regras para a mudança de comportamento na produção, por exemplo, quando uma nova cultura é cultivada. (Portuguese)
4 November 2022
0 references
Il-produzzjoni ta’ pjanti u ħxejjex ornamentali hija attività ekonomika sinifikanti fl-ortikultura reġjonali tul il-fruntiera bejn il-Ġermanja u l-Olanda. Żieda fl-ispejjeż tax-xogħol, nuqqas ta’ ħaddiema tas-sengħa, kompetizzjoni internazzjonali u żieda fil-ħtiġijiet tal-kwalità mill-kummerċjanti u l-konsumaturi qed iżidu l-pressjoni fuq l-industrija. Il-maniġers tal-azjendi agrikoli għandhom isiru dejjem aktar maniġers ortikulturali. Il-proġett “Gardener’s Green Thumb” irid jagħmel kontribuzzjonijiet li jwasslu għal titjib notevoli u eżenzjoni fil-prattika tal-kumpanija. Id-diġitalizzazzjoni u, b’mod partikolari, l-intelliġenza artifiċjali jew it-tekniki tat-tagħlim awtomatiku jistgħu jgħinu wkoll lill-mikrointrapriżi jżidu l-kompetittività tagħhom. Il-qalba tal-proġett hija l-iżvilupp ta’ sistema ta’ awtotagħlim ta’ appoġġ għad-deċiżjonijiet (DSS). Għal dan il-għan, l-attivitajiet ortikulturali l-ewwel jiġu rreġistrati b’sensuri u jiġu ddokumentati awtomatikament. L-użu ta’ metodi ta’ tagħlim awtomatiku, il-korrelazzjonijiet bejn il-kejl ambjentali attwali u storiku (il-klima, id-dawl, il-pjanti, il-ħamrija) min-naħa l-waħda u d-deċiżjonijiet tal-ġestjoni ortikulturali (fertilizzanti, irrigazzjoni, tibdil fil-klima, eċċ.) min-naħa l-oħra, se jiġu identifikati mill-osservazzjonijiet iġġenerati, biex joħorġu minnha r-regoli. Pereżempju, fil-fażi tat-taħriġ, interazzjoni tas-sistema mal-gwida kulturali tista’ tkun: “Jekk kondizzjonijiet simili serra u pjanti jipprevalu fil-passat, 80 % tal-ħin li għażilt alternattiva A, 15 % B, u 5 % C. Tixtieq li tagħżel A mill-ġdid? “(Suġġerimenti bħal dawn nafu b’mod simili, pereżempju, mill-Hop Online Amazon). B’riżultat ta’ dan, id-DSS kontinwament jitgħallem u jista’, wara ċertu żmien, jibda awtomatikament l-azzjonijiet meħtieġa u jinforma biss lill-maniġer ortikulturali u, b’osservazzjoni, jikseb regoli għall-bidla fl-imġiba fil-produzzjoni, pereżempju meta jiġi kkultivat wiċċ tar-raba’ ġdid. (Maltese)
4 November 2022
0 references
La production de plantes et de légumes ornementaux est une activité économique importante dans l’horticulture régionale le long de la frontière germano-néerlandaise. La hausse des coûts de la main-d’œuvre, la pénurie de travailleurs qualifiés, la concurrence internationale et l’augmentation des exigences de qualité de la part des spécialistes du marketing et des consommateurs exercent une pression croissante sur l’industrie. Les gestionnaires agricoles doivent devenir de plus en plus gestionnaires horticoles. Le projet «Gardener’s Green Thumb» veut apporter des contributions qui mènent à une amélioration notable et à un soulagement dans la pratique de l’entreprise. La numérisation et, en particulier, l’intelligence artificielle ou les techniques d’apprentissage automatique peuvent également aider les micro-entreprises à accroître leur compétitivité. Le cœur du projet est le développement d’un système d’aide à la décision auto-apprentissage (DSS). À cette fin, les activités horticoles sont d’abord enregistrées avec des capteurs et automatiquement documentées. En utilisant des méthodes d’apprentissage automatique, les corrélations entre les mesures actuelles et historiques de l’environnement (climat, lumière, plante, sol) d’une part et les décisions de la gestion horticole (fertilisation, irrigation, changement climatique, etc.) d’autre part, seront identifiées à partir des observations générées, pour en tirer des règles. Par exemple, dans la phase de formation, une interaction du système avec le guide culturel pourrait être: «Si des conditions de serre et de plantes similaires prévalaient dans le passé, 80 % du temps que vous avez choisi l’alternative A, 15 % B et 5 % C. Voulez-vous choisir à nouveau A? «(De telles suggestions que nous connaissons d’une manière similaire, par exemple, de la boutique en ligne Amazon). En conséquence, le DSS apprend continuellement et pourrait, après un certain temps, initier automatiquement les actions nécessaires et n’informer que le gestionnaire horticole et, par observation, dériver des règles de changement de comportement dans la production, par exemple lorsqu’une nouvelle culture est cultivée. (French)
4 November 2022
0 references