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
-
Ceratobasidium oryzicola, nueva especie que causa el tizón de la vaina del arroz en Brasil
Se observaron plantas de arroz con síntomas de tizón de la vaina. El aislado se caracterizó...
-
Primer reporte de Phytopythium vexans, Phytopythium litorale, Pythium aphanidermatum y Globisporangium ultimum que atacan a Juglans regia
Se observaron plantas de nogal (Juglans regia) con síntomas de muerte regresiva. Se obtuvieron...
-
Italia: Uso de datos hiperespectrales de las hojas para detectar tempranamente a la Flavescencia dorada
En un viñedo de uva roja afectado por la Flavescencia dorada (FD), se demostró que los datos...