Detección automática de esporas de hongo de la brusone del arroz mediante detección de objetos basada en aprendizaje profundo: modelos, puntos de referencia y análisis cuantitativo
Autores: Zhou, Huiru; Lai, Qiang; Huang, Qiong; Cai, Dingzhou; Huang, Dong; Wu, Boming
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Detección automática de esporas de hongo de la brusone del arroz mediante detección de objetos basada en aprendizaje profundo: modelos, puntos de referencia y análisis cuantitativo
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Blast de arroz
Esporas
Detección automática
Aprendizaje profundo
Detección de objetos
Inóculo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
La gravedad de la explosión de arroz y sus impactos en el rendimiento del arroz están estrechamente relacionados con la cantidad de inóculo de , y la detección automática de las esporas del patógeno en imágenes microscópicas puede proporcionar una forma rápida y efectiva de cuantificar el inóculo del patógeno.
Descripción
La gravedad de la explosión de arroz y sus impactos en el rendimiento del arroz están estrechamente relacionados con la cantidad de inóculo de , y la detección automática de las esporas del patógeno en imágenes microscópicas puede proporcionar una forma rápida y efectiva de cuantificar el inóculo del patógeno.