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
-
Enfermedad emergente del garbanzo, pudrición basal del tallo basal causada por Diaporthe aspalathi en China
Partes aéreas de plantas de garbanzo exhibieron clorosis y marchitamiento foliar, además de...
-
Palomilla del boj encontrada en una residencia privada en el condado de Kent, Delaware.
El USDA-APHIS ha confirmado la presencia de la palomilla del boj (Cydalima perspectalis) en una...
-
Actualización de la base de datos de plantas hospedantes de Xylella spp
EFSA publicó la base de datos actualizada de especies de plantas hospedantes de Xylella spp. hasta...