21、基于物联网萤火虫算法的玉米作物产量优化与健康监测框架

基于物联网萤火虫算法的玉米作物产量优化与健康监测框架

1. 引言

作物产量利润预测一直是农业相关组织和农民面临的难题。作物产量取决于土壤、气候、空气、降雨、灌溉、水分、湿度以及所种植作物类型等多方面的复杂协作，即生物生态系统参数的恰当组合才能实现最佳产量。然而，这些参数动态变化且难以提前预测，预测偏差会导致利润降低。因此，需要一个综合模型来预测和识别能带来更好种植效果和利润的最优作物，这可通过数学和工程模型实现。

许多食品和农业相关的研究人员已在作物预测和产量预估方面开展了大量研究。研究人员普遍认为，应提前对作物生产进行预测和最优识别。但这是一项艰巨任务，因为需要从气象数据、农艺数据、土壤强度数据、水资源可用性数据、作物类型数据、农业统计数据、气候数据、湿度数据、光照强度数据、降雨和供水数据等不同来源收集多类数据。尽管已为这些变量推导了多个指标来确定作物产量，但响应性能仍未达到令人满意的水平。所以，识别能实现最大利润的最优作物及其生长条件的模型需求应运而生。

及时准确地识别最优作物产量对于实现最大作物种植、储存、运输和销售以获取最大利润至关重要。因此，模型必须从以往数据中了解作物产量的随机行为。本研究收集了印度泰米尔纳德邦纳马卡尔区卡鲁尔村农民过去 96 个月的数据。同时，及时评估和识别能带来最大利润的潜在作物，对农产品市场具有经济影响。所开发的模型可以按月和按年预测能带来最大利润的最优作物。

研究人员还热衷于开发基于地理位置数据和农艺数据的全球通用模型，通过多元线性回归、人工神经网络、禁忌搜索等方法预测最佳产量。本研究的主要目标是利用物联网（IoT）的云数据库存储以往记录和当前数据，以识别和预测能带来最大利润的最优作物。该模型的主要终端用户是直接参与作物种植