Método de estimación de clasificación de nitrógeno de maíz basado en imágenes de UAV y una red Shufflenet mejorada
Autores: Sun, Weizhong; Fu, Bohan; Zhang, Zhao
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Método de estimación de clasificación de nitrógeno de maíz basado en imágenes de UAV y una red Shufflenet mejorada
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Maíz
Contenido de nitrógeno
Aprendizaje automático
Aprendizaje profundo
Clasificación
ShuffleNet
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
El maíz es un cultivo vital en China tanto para la alimentación como para la industria. El contenido de nitrógeno juega un papel crucial en su crecimiento y rendimiento. Los investigadores anteriores han realizado numerosos estudios sobre el contenido de nitrógeno en plantas individuales de maíz desde una perspectiva de regresión; sin embargo, las técnicas de gestión de particiones de la agricultura de precisión requieren que las plantas se dividan por zonas y clases. Por lo tanto, en este estudio, el enfoque se desplaza hacia los problemas de clasificación de parcelas y estimación de nitrógeno graduada en parcelas de maíz realizadas en base a varios métodos de aprendizaje automático y aprendizaje profundo.
Descripción
El maíz es un cultivo vital en China tanto para la alimentación como para la industria. El contenido de nitrógeno juega un papel crucial en su crecimiento y rendimiento. Los investigadores anteriores han realizado numerosos estudios sobre el contenido de nitrógeno en plantas individuales de maíz desde una perspectiva de regresión; sin embargo, las técnicas de gestión de particiones de la agricultura de precisión requieren que las plantas se dividan por zonas y clases. Por lo tanto, en este estudio, el enfoque se desplaza hacia los problemas de clasificación de parcelas y estimación de nitrógeno graduada en parcelas de maíz realizadas en base a varios métodos de aprendizaje automático y aprendizaje profundo.