Reconocimiento de malezas y cultivos basado en aprendizaje profundo para equipos agrícolas inteligentes: una revisión
Autores: Qu, Hao-Ran; Su, Wen-Hao
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Reconocimiento de malezas y cultivos basado en aprendizaje profundo para equipos agrícolas inteligentes: una revisión
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Malezas
Cultivos
Equipos agrícolas inteligentes
Aprendizaje profundo
Sensores
Precisión
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Las malas hierbas y los cultivos libran una batalla implacable por los mismos recursos, lo que puede llevar a reducciones potenciales en los rendimientos de los cultivos y un aumento de los costos agrícolas. Los métodos tradicionales de control de malas hierbas, como el uso intensivo de herbicidas, tienen la desventaja de promover la resistencia de las malas hierbas y la contaminación ambiental. A medida que aumenta la demanda de productos agrícolas libres de contaminantes y orgánicos, existe una necesidad apremiante de soluciones innovadoras. La aparición de equipos agrícolas inteligentes, que incluyen robots inteligentes, vehículos aéreos no tripulados y tecnología satelital, resulta ser fundamental para abordar los desafíos relacionados con las malas hierbas. Sin embargo, la efectividad de los equipos agrícolas inteligentes depende de una detección precisa, una tarea influenciada por varios factores, como las etapas de crecimiento, las condiciones ambientales y el sombreado. Para lograr una identificación precisa de los cultivos, es esencial emplear sensores adecuados y algoritmos optimizados. El aprendizaje profundo juega un papel crucial en mejorar la precisión del reconocimiento de malas hierbas. Este avance permite acciones dirigidas como la pulverización mínima de pesticidas o la excisión láser precisa de las malas hierbas, reduciendo eficazmente el costo total de la producción agrícola. Este documento proporciona una visión general exhaustiva de la aplicación del aprendizaje profundo para el reconocimiento de cultivos y malas hierbas en equipos agrícolas inteligentes. Comenzando con una visión general de las herramientas agrícolas inteligentes, sensores y algoritmos de identificación, la discusión se adentra en ejemplos instructivos, que muestran la destreza tecnológica en distinguir entre malas hierbas y cultivos. La narrativa destaca los avances recientes en tecnologías automatizadas para la identificación precisa de plantas, al tiempo que reconoce los desafíos existentes y propone perspectivas. Al combinar la tecnología de vanguardia con prácticas agrícolas sostenibles, la adopción de equipos inteligentes presenta un camino prometedor hacia una gestión eficiente y respetuosa con el medio ambiente de las malas hierbas en la agricultura moderna.
Descripción
Las malas hierbas y los cultivos libran una batalla implacable por los mismos recursos, lo que puede llevar a reducciones potenciales en los rendimientos de los cultivos y un aumento de los costos agrícolas. Los métodos tradicionales de control de malas hierbas, como el uso intensivo de herbicidas, tienen la desventaja de promover la resistencia de las malas hierbas y la contaminación ambiental. A medida que aumenta la demanda de productos agrícolas libres de contaminantes y orgánicos, existe una necesidad apremiante de soluciones innovadoras. La aparición de equipos agrícolas inteligentes, que incluyen robots inteligentes, vehículos aéreos no tripulados y tecnología satelital, resulta ser fundamental para abordar los desafíos relacionados con las malas hierbas. Sin embargo, la efectividad de los equipos agrícolas inteligentes depende de una detección precisa, una tarea influenciada por varios factores, como las etapas de crecimiento, las condiciones ambientales y el sombreado. Para lograr una identificación precisa de los cultivos, es esencial emplear sensores adecuados y algoritmos optimizados. El aprendizaje profundo juega un papel crucial en mejorar la precisión del reconocimiento de malas hierbas. Este avance permite acciones dirigidas como la pulverización mínima de pesticidas o la excisión láser precisa de las malas hierbas, reduciendo eficazmente el costo total de la producción agrícola. Este documento proporciona una visión general exhaustiva de la aplicación del aprendizaje profundo para el reconocimiento de cultivos y malas hierbas en equipos agrícolas inteligentes. Comenzando con una visión general de las herramientas agrícolas inteligentes, sensores y algoritmos de identificación, la discusión se adentra en ejemplos instructivos, que muestran la destreza tecnológica en distinguir entre malas hierbas y cultivos. La narrativa destaca los avances recientes en tecnologías automatizadas para la identificación precisa de plantas, al tiempo que reconoce los desafíos existentes y propone perspectivas. Al combinar la tecnología de vanguardia con prácticas agrícolas sostenibles, la adopción de equipos inteligentes presenta un camino prometedor hacia una gestión eficiente y respetuosa con el medio ambiente de las malas hierbas en la agricultura moderna.