agricultural applications | BriefGPT

关键词agricultural applications

搜索结果 - 7

农业中基于强化学习的数字孪生当前应用与未来潜力
数字孪生在农业中的应用研究综述了以强化学习为基础的数字孪生在农业领域的应用，包括机器人技术、温室管理、灌溉系统和作物管理等，旨在发掘数字孪生与强化学习的整合研究现状，确定未来研究的机会和挑战，并探索协同解决农业问题和优化农业经营的方式，为更
PDF21 days ago
在智慧农业中利用时间序列基础模型进行土壤湿度预测
本研究探索了基于基础模型的时间序列预测在智能农业领域中的潜力，特别应用了 TimeGPT 模型来预测土壤水势，展示了其在农业应用中具有竞争力的预测准确性，为可持续发展的农业奠定了基础。
PDFa month ago
基于深度学习的农产品高光谱图像重建质量评估
通过深度学习从 RGB 图像重建高光谱图像，可用于预测甘薯中的可溶性固形物含量，结果表明基于重建光谱的部分最小二乘回归模型优于使用全光谱范围的模型，突显了基于深度学习的高光谱图像重建作为一种低成本、高效的农业应用工具的潜力。
PDFa month ago
农业中的标记效率学习：综述
该论文综述了机器学习和深度学习在农业系统中的应用，并介绍了最近在农业应用领域提出的标签有效机器学习和深度学习方法，特别是弱监督、无监督和自监督学习方法，以及其在精准农业、植物表型鉴定和收获后质量评估等方面的应用。
PDFa year ago
植物病害检测的增量学习：基于知识蒸馏的分支成长
本文针对农业应用中的类增量目标检测问题进行研究，比较了三种分类增量学习方法，并且实验结果表明，采用动态架构技术的 Dynamic Y-KD 方法在新旧分类上表现最佳。
PDFa year ago
可解释的机器学习加速纳米材料种子处理，缓解环境压力
研究表明，使用不同纳米材料进行种子处理可在玉米作物中缓解环境胁迫，并且使用可解释的机器学习结构 - 活性关系方法可以更好地理解其缓解作用，同时纳米材料的浓度，大小和电位是与盐碱胁迫下植物生长相关的主要因素。
PDFa year ago
应用机器学习方法，利用 Sentinel-2 和 Landsat 8 估算作物初级生产力，基于辐射传输模拟进行训练
本研究对机械光合模型和卫星遥感数据进行了结合，运用光谱模型 SCOPE 以及机器学习方法成功地估计了光合生产力，表明该方法可以在当前的遥感云计算平台上实现全球范围的作物生产力监测。
PDF4 years ago