ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
The farming industry of melons, which produces over 28 million tons annually, is confronted with major challenges regarding environmental changes and the lack of proper planning tools. In this study, the researchers seek to examine the application of the latest machine learning technology and the Internet of Things in the improvement of the planting of melons. In this model, the researchers employed a data collection methodology that involved the collection of 4,320 data points from September 2024 to November 2025, a period of 14 months. To assess the viability of the proposed model, seven different algorithms were compared: Random Forest, SVM, MLP, LSTM, XGBoost, LightGBM, and CatBoost. In the proposed methodology, enhanced feature engineering has been employed, which has generated 47 features. Rigorous evaluation of the proposed model has been carried out using comprehensive hyperparameter optimization. The proposed model has shown promising results using XGBoost, which has produced R-squared of 0.907, MAE equal to 2.98, RMSE equal to 3.87 for regression and accuracy of 89.1% for classification. Rigorous cross-validation of the proposed model has been carried out using a 5-fold cross-validation method, which has shown good generalization ability mean R-squared equal to 0.901 plus or minus 0.012. SHAP analysis has been carried out, which has shown good interpretability. The proposed model has been implemented in the field, which has shown a yield improvement of 15 to 22% and a reduction in water consumption of 18 to 25%.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 74/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Smart Agriculture and AI · Greenhouse Technology and Climate Control · Irrigation Practices and Water Management
บทบาทของนักวิจัยและสถาบันไทย
Parinya Natho · Likit Chamuthai · Patumwadee Bounguleaum · Sangtong Boonying · Nantiya Tantidontanet · Rajamangala University of Technology Isan
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง