标签
本文介绍了一个用于审计事后可解释人工智能工具（如SHAP和LIME）的鲁棒性与保真度的方法框架，将这些指标结合成一个信任评分。该框架应用于马达加斯加的粮食安全数据集，强调了在敏感领域中审计XAI输出对于可信赖决策的必要性。
本文首次针对塞拉利昂作物产量预测开展机器学习研究，发现将免费卫星气候数据（CHIRPS、NASA POWER）与国家作物统计相结合，可将预测误差较持久性模型降低三分之一，但仅依赖作物统计数据则不足以实现改进。
中国正在大规模推广农业机器人，实现全天候自主收割，利用视觉模型和机械臂提高效率，减少损伤，增强粮食安全。