Älykäs kasvintuotanto: Aineistoja integroiva koneoppiminen yhdistyy satosimulaattoreihin

Projektin yksityiskohdat

Tiivistelmä

Ruoan tuotanto on kaksinkertaistettava vuoteen 2050 mennessä väestönkasvun takia tuotantoa tehostamalla. Tässä projektissa kehitämme laskennallisia menetelmiä ongelman ratkaisuun. Nykyään käytettävissä on mittauksia esimerkiksi sadoista, joita saadaan eri olosuhteissa (sää, maaperä) sekä satelliitti- ja lennokkikuvia pelloista. Laskennalliset menetelmät voidaan karkeasti jakaa kahteen luokkaan: 1) koneoppimismenetelmät, joissa malli opitaan datasta sekä 2) deterministiset simulaattorit, jotka pystyvät tuottamaan dataa mallista. Projektilla on kaksi tavoitetta: 1) kehittää uusia koneoppimismenetelmiä sekä 2) yhdistää koneoppimista simulaattoreihin. Päämääränä on parantaa satotasojen ennustustarkkuutta. Toinen päämäärä on parantaa simulaattorien laatua mahdollistamalla uusien aineistotyyppien, kuten satelliittikuvien, hyödyntäminen simulaattoreiden kalibroinnissa. Projekti edistää kasvintuotantoa koneoppisen avulla ja tuottaa uusia menetelmiä suomalaisen tekoälytutkimuksen huipulla.
LyhytotsikkoAiCropPro/Mamitsuka
Akronyymi-
TilaPäättynyt
Todellinen alku/loppupvm01/01/201831/12/2022

Yhteistyöpartnerit

YK:n kestävän kehityksen tavoitteet

Vuonna 2015 YK:n jäsenvaltiot sopivat 17 maailmanlaajuisesta kestävän kehityksen tavoitteesta (Sustainable Development Goal, SDG) poistamaan köyhyyden, suojelemaan planeettaa ja takaamaan vaurauden kaikille. Tämä projekti edistää seuraavia kestävän kehityksen tavoitteita:

  • SDG 3 – Hyvä terveys ja hyvinvointi

Sormenjälki

Tutustu tutkimuksen aiheisiin, joita tämä projekti koskee. Nämä merkinnät luodaan taustalla olevien stipendien/apurahojen perusteella. Yhdessä ne muodostavat ainutlaatuisen sormenjäljen.
  • Contextualized Graph Embeddings for Adverse Drug Event Detection

    Gao, Y., Ji, S., Zhang, T., Tiwari, P. & Marttinen, P., 17 maalisk. 2023, Machine Learning and Knowledge Discovery in Databases - European Conference, ECML PKDD 2022, Proceedings: European Conference, ECML PKDD 2022, Grenoble, France, September 19–23, 2022, Proceedings, Part II. Amini, M-R., Canu, S., Fischer, A., Guns, T., Kralj Novak, P. & Tsoumakas, G. (toim.). Springer, s. 605–620 16 Sivumäärä

    Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

    Open access
    Tiedosto
    1 Sitaatiot (Scopus)
    23 Lataukset (Pure)
  • Deformation equivariant cross-modality image synthesis with paired non-aligned training data

    Honkamaa, J., Khan, U., Koivukoski, S., Valkonen, M., Latonen, L., Ruusuvuori, P. & Marttinen, P., jouluk. 2023, julkaisussa: Medical Image Analysis. 90, s. 1-13 13 Sivumäärä, 102940.

    Tutkimustuotos: LehtiartikkeliArticleScientificvertaisarvioitu

    Open access
    Tiedosto
    2 Lataukset (Pure)
  • Proposal and extensive test of a calibration protocol for crop phenology models

    Wallach, D., Palosuo, T., Thorburn, P., Mielenz, H., Buis, S., Hochman, Z., Gourdain, E., Andrianasolo, F., Dumont, B., Ferrise, R., Gaiser, T., Garcia, C., Gayler, S., Harrison, M., Hiremath, S., Horan, H., Hoogenboom, G., Jansson, P. E., Jing, Q., Justes, E., & 20 muutaKersebaum, K. C., Launay, M., Lewan, E., Liu, K., Mequanint, F., Moriondo, M., Nendel, C., Padovan, G., Qian, B., Schütze, N., Seserman, D. M., Shelia, V., Souissi, A., Specka, X., Srivastava, A. K., Trombi, G., Weber, T. K. D., Weihermüller, L., Wöhling, T. & Seidel, S. J., elok. 2023, julkaisussa: Agronomy for Sustainable Development. 43, 4, 46.

    Tutkimustuotos: LehtiartikkeliArticleScientificvertaisarvioitu

    Open access
    Tiedosto
    1 Sitaatiot (Scopus)
    7 Lataukset (Pure)