相关实验视频
Updated: Feb 20, 2026
08:02
Robotic Sensing and Stimuli Provision for Guided Plant Growth
Published on: July 1, 2019
8.6K
智能灌系统和早期植物疾病检测使用物联网和基于地图的新型非线性生长自我组织的人工神经网络
Deepthi Gorijavolu1, Kapil Sharma2, N Srinivasa Rao3
1Amity School of Engineering and Technology, Amity University Madhya Pradesh, Gwalior, India. deepthigorijavolu555@gmail.com.
Scientific reports
|February 18, 2026
概括
这项研究介绍了一种使用机器学习和物联网的智能灌系统,用于早期检测甘疾病. 它达到95.6%的准确性,改善了作物产量预测,并支持精准农业.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 植物病理学 植物病理学
背景情况:
- 有效的作物管理对于全球粮食安全至关重要.
- 植物疾病的早期检测对于农业生产率至关重要.
- 甘种植面临着影响产量的疾病带来的挑战.
研究的目的:
- 开发一个智能灌系统,以早期检测甘叶病.
- 用机器学习和物联网来评估疾病对作物产量的影响.
- 将疾病检测与智能灌相结合,以优化作物生产.
主要方法:
- 利用机器学习 (ML) 和物联网 (IoT) 来进行数据收集和分析.
- 使用无人机和传感器来监测土壤和叶子的特征 (温度,湿度,颜色,纹理).
- 在人工神经网络 (ANN) 中实现了一个非线性增长的自我组织地图 (NG-SOM),用于增强特征提取和分类.
主要成果:
- 在甘疾病检测中获得了95.6%的准确性,超过了传统方法.
- 在疾病识别中减少了18.3%的假阳性.
- 通过预测建模和早期诊断,提高了22.4%的作物产量预测.
结论:
- 开发的系统为甘的积极作物疾病管理提供了一个有希望的解决方案.
- 无人机成像,传感器数据和先进的ML的整合提高了精准农业.
- 该系统有助于可持续提高产量和提高农业生产率.
