Evaluación de estrés por inclinación del maíz basada en multispectral UAV con métodos de aprendizaje de máquina y aprendizaje profundo
Autores: Zhao, Minghu; Wang, Dashuai; Yan, Qing; Li, Zhuolin; Liu, Xiaoguang
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Evaluación de estrés por inclinación del maíz basada en multispectral UAV con métodos de aprendizaje de máquina y aprendizaje profundo
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Maíz encamado
Percepción remota de vehículos aéreos no tripulados
Aprendizaje profundo
Algoritmos de DL
índices de vegetación
Datos multiespectrales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
El estudio indica que el modelo Random Forest (RF) supera a los otros cuatro algoritmos de ML, logrando una precisión general (OA) del 89,29% y un coeficiente Kappa de 0,8852. Sin embargo, el rendimiento de clasificación del alojamiento de maíz de los modelos de DL es significativamente mejor que el de los métodos de ML.
Descripción
El estudio indica que el modelo Random Forest (RF) supera a los otros cuatro algoritmos de ML, logrando una precisión general (OA) del 89,29% y un coeficiente Kappa de 0,8852. Sin embargo, el rendimiento de clasificación del alojamiento de maíz de los modelos de DL es significativamente mejor que el de los métodos de ML.