Modelo de fusión de información de múltiples fuentes distribuidas de dos niveles para el monitoreo y pronóstico de áfidos en invernaderos
Autores: Li, Xiaoyin; Wang, Lixing; Dai, Min; Zhang, Yongji; Su, Wei; Wang, Mingyou; Miao, Hong
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Modelo de fusión de información de múltiples fuentes distribuidas de dos niveles para el monitoreo y pronóstico de áfidos en invernaderos
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Pulgones
Invernadero
Predicción
Factores ambientales
Modelo
Manejo de plagas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
Los pulgones son las principales plagas agrícolas que afectan la calidad y el rendimiento de los pimientos en el invernadero. La predicción eficiente temprana de la ocurrencia de pulgones es de gran importancia para el desarrollo de la digitalización y la tecnología de la información en la agricultura inteligente. La precisión de la predicción podría mejorarse mediante la incorporación de interacciones de características en la predicción de plagas. Este estudio integra múltiples factores ambientales para predecir eficientemente el número de pulgones y la tasa de cepas de pulgones en el invernadero. Proponemos un enfoque de fusión de información de múltiples fuentes distribuidas de dos niveles, que integra una red neuronal convolucional unidimensional (1D CNN) y Memoria a Corto Plazo de Largo Plazo (LSTM). Para mejorar la precisión de los parámetros ambientales regionales, un algoritmo de promedio ponderado emplea datos de sensores ambientales en el primer nivel de fusión. En el segundo nivel de fusión, un algoritmo de fusión de sensores heterogéneo permite la integración de datos de múltiples fuentes para modelar la conexión entre los factores ambientales y la dinámica de los pulgones. Finalmente, el modelo de fusión 1D CNN-LSTM mejorado y otros modelos fueron probados para verificar la efectividad y robustez del modelo propuesto. Los resultados experimentales muestran que el error cuadrático medio total del modelo propuesto es de 1.503, lo cual es claramente mejor que las otras redes. En el conjunto de pruebas, el error cuadrático medio total del modelo para predecir el número de pulgones y la tasa de cepas es de 1.378 y 0.337, respectivamente, en comparación con modelos de redes existentes como 1D CNN, LSTM y retropropagación (BP). Los resultados experimentales muestran que el modelo propuesto tiene ventajas evidentes para predecir el número de pulgones y la tasa de cepas. Representa un paso prometedor en el manejo de plagas, ofreciendo soluciones precisas y respetuosas con el medio ambiente que mejoran el rendimiento y la calidad de los cultivos.
Descripción
Los pulgones son las principales plagas agrícolas que afectan la calidad y el rendimiento de los pimientos en el invernadero. La predicción eficiente temprana de la ocurrencia de pulgones es de gran importancia para el desarrollo de la digitalización y la tecnología de la información en la agricultura inteligente. La precisión de la predicción podría mejorarse mediante la incorporación de interacciones de características en la predicción de plagas. Este estudio integra múltiples factores ambientales para predecir eficientemente el número de pulgones y la tasa de cepas de pulgones en el invernadero. Proponemos un enfoque de fusión de información de múltiples fuentes distribuidas de dos niveles, que integra una red neuronal convolucional unidimensional (1D CNN) y Memoria a Corto Plazo de Largo Plazo (LSTM). Para mejorar la precisión de los parámetros ambientales regionales, un algoritmo de promedio ponderado emplea datos de sensores ambientales en el primer nivel de fusión. En el segundo nivel de fusión, un algoritmo de fusión de sensores heterogéneo permite la integración de datos de múltiples fuentes para modelar la conexión entre los factores ambientales y la dinámica de los pulgones. Finalmente, el modelo de fusión 1D CNN-LSTM mejorado y otros modelos fueron probados para verificar la efectividad y robustez del modelo propuesto. Los resultados experimentales muestran que el error cuadrático medio total del modelo propuesto es de 1.503, lo cual es claramente mejor que las otras redes. En el conjunto de pruebas, el error cuadrático medio total del modelo para predecir el número de pulgones y la tasa de cepas es de 1.378 y 0.337, respectivamente, en comparación con modelos de redes existentes como 1D CNN, LSTM y retropropagación (BP). Los resultados experimentales muestran que el modelo propuesto tiene ventajas evidentes para predecir el número de pulgones y la tasa de cepas. Representa un paso prometedor en el manejo de plagas, ofreciendo soluciones precisas y respetuosas con el medio ambiente que mejoran el rendimiento y la calidad de los cultivos.