Enfoque de aprendizaje profundo para la detección de malezas en lechuga mediante imágenes multiespectrales
Se presentan tres métodos para estimar malezas basados en el procesamiento de imágenes de aprendizaje profundo en cultivos de lechuga, y los compararon con estimaciones visuales de expertos. Un método se basa en máquinas de vectores de soporte (SVM) que utilizan histogramas de gradientes orientados (HOG) como descriptor de características. El segundo método se basó en YOLOV3 (solo mira una vez V3), y el tercero se basó en Mask R-CNN (red neuronal convolucional basada en regiones). Estos métodos mejoran la precisión en la estimación de la cobertura de malezas y minimizan la subjetividad en los datos estimados por humanos.
- Más información en: mdpi.com
Noticias similares
-
Primer reporte de Candidatus Phytoplasma australasia (16SrII- subgrupo D) asociado con virescencia de Chía en India
Plantas de Chia presentaron síntomas de virescencia. El análisis nBLAST reveló 100 por ciento de...
-
Primer informe de Neodeightonia phoenicum causando quemaduras negras y pudrición de palmeras datileras en Arizona
Palmas datileras en el área de Phoenix presentaron manchas cafés que adquirieron una apariencia...
-
Efectos de plantas hospedantes en la supervivencia y desarrollo ninfal de la mosca linterna manchada
Investigaron el uso el uso potencial de diversas plantas hospedante clave de Lycorma delicatula:...