Modelo Híbrido de Aprendizagem Profunda para a Detecção da Doença da Ferrugem Amarela do Trigo Detecção de níveis de severidade da ferrugem amarela do trigo utilizando o modelo de aprendizagem profunda
-
- Portugiesisch ausgewählt
35,99 €
inkl. gesetzl. MwSt.,
Beschreibung
Produktdetails
Einband
Taschenbuch
Erscheinungsdatum
03.11.2021
Verlag
Edicoes Nosso ConhecimentoSeitenzahl
112
Maße (L/B/H)
22/15/0,7 cm
Gewicht
185 g
Sprache
Portugiesisch
ISBN
978-620-4-23890-6
Em muitas regiões do mundo, a qualidade do trigo e as perdas de rendimento foram aumentadas devido às doenças da ferrugem do trigo. A identificação da doença da ferrugem amarela juntamente com a percentagem de tecidos danificados pela doença da ferrugem em termos de níveis de gravidade é muito importante e normalmente é conseguida através de avaliadores experientes ou de técnicas de visão por computador. Com a ajuda de técnicas de visão por computador, o custo e o tempo devem ser minimizados. Este estudo apresenta um modelo de classificação para a ferrugem amarela do trigo com diferentes níveis de gravidade da doença. É alcançado através de STARGAN e Convolutional neural network (CNN). O STARGAN é proposto neste estudo para aumento de dados. Após a realização de vários experimentos com parâmetros como diferentes épocas, tamanhos de lotes, taxa de aprendizado e taxa de abandono, este estudo atinge uma precisão de classificação de 94,07% para classificar a ferrugem amarela do trigo da planta normal do trigo. Durante a medição da gravidade, a CNN alcançou uma precisão de validação de 94,3% de ferrugem amarela do trigo em alto nível de gravidade.
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.
Kurze Frage zu unserer Seite
Vielen Dank für dein Feedback
Wir nutzen dein Feedback, um unsere Produktseiten zu verbessern. Bitte habe Verständnis, dass wir dir keine Rückmeldung geben können. Falls du Kontakt mit uns aufnehmen möchtest, kannst du dich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice