A carregar...
Publicação
Implementation of an Intelligent Virtual Assistant based on LLM for Irrigation Optimization
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 1.77 MB | Adobe PDF |
Orientador(es)
Resumo(s)
New AI assistants are surging, and the technology is already being integrated into day-to-day
life and even across organizations. The agriculture field is no exception, and this is a great
opportunity to make knowledge available to a wider range of stakeholders across the sector.
This technology can prove useful as it can help with information such as the ideal times of
planting and the predicted time of plant growth, the protocol treatments for each plant to
prevent diseases and optimize growth.
This thesis explores the implementation of an AI assistant with the limitations of the
available computing resources and strict information security, focusing on the development of
an AI assistant that can help the user in all the steps to cultivate a healthy and productive crop
yield. The system will be integrated into the already existing platform, Irristrat, which is a
monitoring system for the crops, where many factors are shown, such as soil humidity,
temperature, … The main factor that led the work carried out was the vision that the assistant
developed would use only controlled information and documents where the information is
viable and trustworthy. The thesis was carried out in collaboration with Hidrosoph, the
organization that developed the Irristrat platform, and installs the sensors used with it.
Hidrosoph contributed to the supervision of the work and provided support with the
implementation and validation of the system developed in the scope of the thesis.
With the limitations of resources available, the solutions discussed always had a factor in
common, which is the use of an already existing Large Language Model. Some other options
were discussed, like the fine-tuning method, but the RAG method is what ended up being
explored.
The system proposed in this thesis involves the integration of a vector database, with the
role of saving all the information fed to the system, with the main objective of being easy to
access/gather. This allows for the system to be possible to be used in a real-time scenario,
together with a locally run Large Language Model (LLM) in charge of understanding the user's
questions/conversation and using the gathered information to formulate a meaningful answer
for the user
After the implementation, the system was evaluated in terms of response quality and
performance. The results show that the proposed RAG-based assistant is capable of generating
coherent and context-aware agronomic responses, demonstrating acceptable performance
under constrained computational resources. A qualitive evaluation conducted by agronomy
engineers confirmed the relevance and technical consistency of the generated answers,
highlighting the feasibility of the proposed approach as a decision-support tool for irrigation
optimization.
Novos assistentes de inteligência artificial estão a surgir e a tecnologia já está a ser integrada na vida do dia a dia e até nos métodos de trabalho em organizações. O setor agrícola não é exceção, e esta é uma ótima oportunidade para tornar o conhecimento disponível a um leque maior de organizações e até indivíduos interessados no sector. Esta tese explora a implementação de um assistente de inteligência artificial com as limitações dos recursos computacionais disponíveis e uma necessária segurança da informação, focando no desenvolvimento de um assistente IA que consegue ajudar os utilizadores em todos os passos para cultivar uma colheita saudável e produtiva. O sistema desenvolvido vai ser integrado na já existente plataforma, Irristrat, que é um sistema de monitoramento de plantações, que apresenta vários dados como a temperatura, humidade do solo, … O fator principal que guiou o projeto, foi a visão de que o assistente desenvolvido apenas utiliza informação controlada e documentos onde a informação é controlada e confiável. O projeto foi levado em colaboração com a Hidrosoph, a empresa que desenvolveu a plataforma Irristrat e que instala os sensores utilizados na recolha de dados. A Hidrosoph contribuiu para a supervisão do projeto e ajudou à implementação e validação do sistema. Com as limitações de recursos disponíveis, as soluções ponderadas tiveram sempre um fator em comum, a utilização de Modelo de Linguagem de Grande Escala (Large Language Models - LLM) já existentes. Algumas opções foram analisadas, como o método de fine-tuning, mas o método de RAG foi o que acabou por ser explorado. O sistema proposto envolve a integração de uma base de dados vetorial, cuja função é armazenar toda a informação fornecida ao sistema, com o principal objetivo de ser fácil de recolher a informação desejada em cenários de tempo real, em conjunto com um Modelo de Linguagem de Grande Escala (LLM) mantido num ambiente local, responsável por compreender as perguntas/conversas do utilizador e utilizar a informação recolhida para formular uma resposta correta e relevante. Após a implementação, o sistema foi avaliado em termos da qualidade das respostas e do desempenho. Os resultados indicam que o assistente baseado em RAG proposto é capaz de gerar respostas agronómicas coerentes e contextualizadas, demonstrando um desempenho aceitável sob restrições computacionais. A avaliação qualitativa realizada por engenheiros de agronomia confirmou a relevância e a consistência técnica das respostas geradas, evidenciando a viabilidade da abordagem proposta como ferramenta de apoio à decisão para a otimização da rega.
Novos assistentes de inteligência artificial estão a surgir e a tecnologia já está a ser integrada na vida do dia a dia e até nos métodos de trabalho em organizações. O setor agrícola não é exceção, e esta é uma ótima oportunidade para tornar o conhecimento disponível a um leque maior de organizações e até indivíduos interessados no sector. Esta tese explora a implementação de um assistente de inteligência artificial com as limitações dos recursos computacionais disponíveis e uma necessária segurança da informação, focando no desenvolvimento de um assistente IA que consegue ajudar os utilizadores em todos os passos para cultivar uma colheita saudável e produtiva. O sistema desenvolvido vai ser integrado na já existente plataforma, Irristrat, que é um sistema de monitoramento de plantações, que apresenta vários dados como a temperatura, humidade do solo, … O fator principal que guiou o projeto, foi a visão de que o assistente desenvolvido apenas utiliza informação controlada e documentos onde a informação é controlada e confiável. O projeto foi levado em colaboração com a Hidrosoph, a empresa que desenvolveu a plataforma Irristrat e que instala os sensores utilizados na recolha de dados. A Hidrosoph contribuiu para a supervisão do projeto e ajudou à implementação e validação do sistema. Com as limitações de recursos disponíveis, as soluções ponderadas tiveram sempre um fator em comum, a utilização de Modelo de Linguagem de Grande Escala (Large Language Models - LLM) já existentes. Algumas opções foram analisadas, como o método de fine-tuning, mas o método de RAG foi o que acabou por ser explorado. O sistema proposto envolve a integração de uma base de dados vetorial, cuja função é armazenar toda a informação fornecida ao sistema, com o principal objetivo de ser fácil de recolher a informação desejada em cenários de tempo real, em conjunto com um Modelo de Linguagem de Grande Escala (LLM) mantido num ambiente local, responsável por compreender as perguntas/conversas do utilizador e utilizar a informação recolhida para formular uma resposta correta e relevante. Após a implementação, o sistema foi avaliado em termos da qualidade das respostas e do desempenho. Os resultados indicam que o assistente baseado em RAG proposto é capaz de gerar respostas agronómicas coerentes e contextualizadas, demonstrando um desempenho aceitável sob restrições computacionais. A avaliação qualitativa realizada por engenheiros de agronomia confirmou a relevância e a consistência técnica das respostas geradas, evidenciando a viabilidade da abordagem proposta como ferramenta de apoio à decisão para a otimização da rega.
Descrição
Palavras-chave
Chat Bot Virtual Assistant RAG LLM Agriculture