文献

J-GLOBAL ID：202102292101982623   整理番号：21A0230172

作物予測と病害モニタリング技術に対する種々のアプローチに関するレビュー【JST・京大機械翻訳】

Review on Different Approaches for Crop Prediction and Disease Monitoring Techniques

著者 (2件)： Bajait Vaishali (Vel Tech Rangarajan Dr. Sagunthala R&D Institute of Science and Technology, Avadi,Department of CSE,Chennai) ,  Malarvizhi N. (Vel Tech Rangarajan Dr. Sagunthala R&D Institute of Science and Technology, Avadi,Department of CSE,Chennai)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICECA  ページ： 1244-1249  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,作物収量を予測するための明確な技術を論じた。【方法】人工ニューラルネットワーク,深層学習ベースの加重SOM,および適応ニューロファジーモデリング(ANFM),多層フィードフォワードニューラルネットワーク(MFFNN)などの方法をレビューし,作物収量を予測する最も細かい技術を決定した。作物収量予測は,肥料,農薬,水質,間隔等のような自然因子,ならびに,作物収量に影響する熱,水分および沈殿などの外部因子に依存する。種々の因子の最適範囲を得るために,異なるモデルを研究した。また,病気検出は作物収量を改善するために重要な役割を果たし,その早期同定は非常に重要である。本論文は,作物収量予測のための明確なモデルに関する包括的データを提供した。また,植物における病気を検出する種々の技術をレビューした。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 水質 ,  *農作物 ,  ニューラルネットワーク ,  農薬 ,  水分 ,  作物収量 ,  多層
準シソーラス用語： フィードフォワードニューラルネットワーク ,  深層学習 ,  病害 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 作物 ,  予測 ,  病害 ,  モニタリング ,  レビュー