Editorial Pertanian & Lingkungan
Open AccessOA2025
LLM multi-modal dalam pertanian: tinjauan komprehensif
Tinjauan ini mengkaji penerapan Multi-Modal Large Language Models (MM-LLM) dalam pertanian, membahas 11 pertanyaan penelitian untuk memetakan kemampuan saat ini, batasan, dan arah masa depan dalam mengoptimalkan proses pertanian.
Ranjan Sapkota; Rizwan Qureshi; M. U. Hadi; Syed Zohaib Hassan; F. Sadak; Maged Shoman; Muhammad Sajjad; Fayaz Ali Dharejo; Achyut Paudel; Jiajia Li; Zhichao Meng; John M. Shutske; Manoj Karkeeยท IEEE Transactions on Automation Science and Engineeringยท 2025ยท DOI 10.1109/TASE.2025.3612154
Masalah inti
Multi-Modal Large Language Models (MM-LLM) telah cepat muncul di berbagai bidang ilmiah, namun penerapannya dalam pertanian baru sebagian yang dieksplorasi. Makalah ini melakukan tinjauan mendalam atas MM-LLM dalam pertanian, dengan fokus pada bagaimana model-model ini dapat dikembangkan dan diimplementasikan untuk mengoptimalkan proses pertanian, meningkatkan efisiensi, dan menekan biaya. Studi terbaru telah mengeksplorasi kemampuan MM-LLM dalam pemrosesan informasi dan pengambilan keputusan pertanian, tetapi masih terdapat kesenjangan yang signifikan. Kesenjangan itu mencakup tantangan spesifik domain seperti kualitas dan ketersediaan data yang bervariasi, integrasi dengan sistem pertanian yang ada, serta pembuatan dataset pelatihan yang kokoh dan merepresentasikan lingkungan pertanian yang kompleks secara akurat. Selain itu, pemahaman menyeluruh tentang kemampuan, tantangan, dan batasan MM-LLM dalam pemrosesan dan penerapan informasi pertanian masih belum tersedia. Untuk menjembatani kesenjangan ini, survei ini meninjau kemajuan MM-LLM dan pemanfaatannya dalam pertanian, dengan fokus tambahan pada 11 pertanyaan penelitian (RQ) kunciโ4 bersifat umum dan 7 berfokus pada pertanian. Dengan membahas RQ tersebut, tinjauan ini memetakan peluang, tantangan, batasan, dan peta jalan masa depan bagi MM-LLM dalam pertanian.
Inovasi
Para penulis melakukan survei sistematis atas literatur tentang MM-LLM dan penerapannya dalam pertanian. Tinjauan ini disusun di sekitar 11 pertanyaan penelitian: 4 RQ umum yang mencakup dasar-dasar MM-LLM (misalnya, arsitektur, paradigma pelatihan, dan metrik evaluasi) dan 7 RQ khusus pertanian yang membahas tantangan domain seperti kualitas data, integrasi sistem, dan pembuatan dataset. Metodologi melibatkan identifikasi studi yang relevan, pengategorian berdasarkan area aplikasi, dan sintesis temuan untuk memberikan tolok ukur atas keadaan saat ini dan tren yang muncul. Daftar makalah tentang MM-LLM dalam pertanian yang terorganisasi dan diperbarui secara berkala dipelihara di https://github.com/JiajiaLi04/Multi-Modal-LLMs-in-Agriculture. Tinjauan ini juga memuat catatan untuk praktisi, yang menekankan kebutuhan untuk mengoptimalkan praktik pertanian melalui MM-LLM.
Pendahuluan
Multi-Modal Large Language Models (MM-LLM) telah cepat muncul di berbagai bidang ilmiah, namun penerapannya dalam pertanian baru sebagian yang dieksplorasi. Makalah ini melakukan tinjauan mendalam atas MM-LLM dalam pertanian, dengan fokus pada bagaimana model-model ini dapat dikembangkan dan diimplementasikan untuk mengoptimalkan proses pertanian, meningkatkan efisiensi, dan menekan biaya. Studi terbaru telah mengeksplorasi kemampuan MM-LLM dalam pemrosesan informasi dan pengambilan keputusan pertanian, tetapi masih terdapat kesenjangan yang signifikan. Kesenjangan itu mencakup tantangan spesifik domain seperti kualitas dan ketersediaan data yang bervariasi, integrasi dengan sistem pertanian yang ada, serta pembuatan dataset pelatihan yang kokoh dan merepresentasikan lingkungan pertanian yang kompleks secara akurat. Selain itu, pemahaman menyeluruh tentang kemampuan, tantangan, dan batasan MM-LLM dalam pemrosesan dan penerapan informasi pertanian masih belum tersedia. Untuk menjembatani kesenjangan ini, survei ini meninjau kemajuan MM-LLM dan pemanfaatannya dalam pertanian, dengan fokus tambahan pada 11 pertanyaan penelitian (RQ) kunciโ4 bersifat umum dan 7 berfokus pada pertanian. Dengan membahas RQ tersebut, tinjauan ini memetakan peluang, tantangan, batasan, dan peta jalan masa depan bagi MM-LLM dalam pertanian.
Mengapa penting
Tinjauan ini membahas peluang dan tantangan penerapan MM-LLM dalam pertanian. Peluang utama mencakup peningkatan efisiensi, pengurangan biaya, dan pengambilan keputusan yang lebih baik melalui fusi data multi-modal. Tantangan mencakup isu spesifik domain seperti kelangkaan data, variabilitas, dan kebutuhan akan dataset khusus. Para penulis memetakan peta jalan masa depan yang mencakup pengembangan dataset pelatihan yang kokoh, integrasi MM-LLM dengan sistem pertanian yang ada, serta penanganan pertimbangan etis dan praktis. Catatan untuk praktisi menekankan bahwa MM-LLM berpotensi merevolusi cara peternakan dikelola dan dioperasikan. Survei ini menyimpulkan bahwa penelitian berkelanjutan dan daftar makalah yang terorganisasi serta diperbarui secara berkala (tersedia di repositori GitHub yang disediakan) sangat penting untuk memajukan bidang ini.
Siapa yang sebaiknya membaca
Pembaca Research Digest dan praktisi rumpun ini.
Membuka konten memberโฆ