logo móvil
Contáctanos

Modelando las propiedades mecánicas de la interacción raíz-sustrato con un trasplantador utilizando redes neuronales artificiales

Autores: Tian, Zhiwei; Gao, Ang; Ma, Wei; Jiang, Huanyu; Cao, Dongping; Wang, Weizi; Qian, Jianping; Xu, Lijia

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Modelando las propiedades mecánicas de la interacción raíz-sustrato con un trasplantador utilizando redes neuronales artificiales


Categoría

Ciencias Agrícolas y Biológicas

Subcategoría

Ciencias Agrícolas y Biológicas Generales

Palabras clave

Propiedades mecánicas
Sustrato para plántulas en tapón
Trasplante
Sistema radicular
Tasa de supervivencia
Marco de BPNN

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 31

Citaciones: Sin citaciones


Descripción
Las propiedades mecánicas de un sustrato para plántulas influyen en si se aplastará durante el trasplante, afectando así la integridad del sistema de raíces y la tasa de supervivencia de las plántulas trasplantadas. En este estudio, medimos ocho parámetros morfológicos de plántulas de pimiento utilizando visión artificial y métodos físicos, y los parámetros mecánicos correspondientes del sustrato de las plántulas en tapón se probaron utilizando un analizador de textura. Con base en los datos experimentales, se construyó un marco de trabajo BPNN para predecir las propiedades mecánicas del sustrato de las plántulas en tapón en diferentes etapas de crecimiento. Los resultados indican que el BPNN con un marco de trabajo de [8, 15, 15, 1] muestra errores más altos y más bajos. Los valores de error absoluto medio (), error cuadrático medio () y error porcentual absoluto medio () son 7.669, 88.842 y 9.076%, respectivamente, con un de 0.867. La precisión promedio de predicción del conjunto de datos de prueba de 20 es del 90.472%. Finalmente, se realizaron predicciones y validaciones experimentales sobre las propiedades mecánicas del sustrato de las plántulas cultivadas durante 47 días. Los resultados revelaron que el BPNN logró una precisión promedio de predicción del 93.282%. Además, mostró una velocidad más rápida y menores costos computacionales. Este estudio proporciona una referencia para la estimación no intrusiva de las propiedades mecánicas del sustrato en plántulas en tapón y el diseño y optimización de un dispositivo final para el trasplante.

Otros recursos que podrían interesarte

Temas Virtualpro