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
-
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...
-
Primer reporte de Meloidogyne enterolobii infectando tomate en Texas, Estados Unidos
Se observó que una planta de tomate (Solanum lycopersicum) comprada a un minorista, presentaba...
-
Primer reporte de Stemphylium lycopersici que causa manchas foliares en Kalanchoe blossfeldiana en los USA
Plantas de Kalanchoe blossfeldiana mostraron edemas y manchas necróticas en un invernadero en...