modèle de coton à haut taux d'extraction au Bénin

                                               
                                               
                                               
                                               
  • Comment estimer les rendements du coton sur la base de données de télédétection ?
  • La méthode traditionnelle de mesure du rendement est l'échantillonnage, qui nécessite un échantillonnage destructif sur une grande surface des champs de coton et consomme beaucoup de temps et de main-d'œuvre. Cette étude a établi un modèle d'estimation du rendement du coton basé sur des données de télédétection de véhicules aériens sans pilote (UAV) en séries chronologiques.
  • Comment l'apprentissage profond peut-il améliorer la prévision du rendement du coton ?
  • Réaliser une prévision du rendement du coton à grande et à petite échelle. Utiliser l'apprentissage profond pour extraire les capsules de coton, ce qui peut améliorer la précision de la prévision. Générer une carte de rendement haute résolution selon le modèle.
  • La télédétection par drone peut-elle prédire les rendements du coton ?
  • En général, cette étude propose un cadre d'apprentissage automatique basé sur des données de télédétection par drone au lieu de mesures de rendement manuelles traditionnelles pour la prévision du rendement du coton, qui peut prédire avec précision les rendements du coton et obtenir une carte de rendement haute résolution.
  • Un réseau neuronal peut-il prédire les rendements du coton ?
  • Carte de rendement. 4. Discussion Cette recherche applique des méthodes de réseau neuronal aux images de télédétection visibles et multispectrales de drones en séries chronologiques pour prédire les rendements du coton. Le modèle de prédiction du rendement basé sur toutes les variables d'entrée présente une précision plus élevée et une erreur quadratique moyenne plus faible (R 2 = 0,854, MSE = 96,062).
  • Un modèle multisite peut-il être utilisé pour estimer les rendements du coton ?
  • À l'avenir, davantage d'expériences seront menées pour tester la robustesse du modèle actuel dans différentes zones géographiques et dans le temps. En outre, les essais multisites peuvent nécessiter une analyse supplémentaire pour inclure davantage de caractéristiques d'entrée telles que le type de sol, les informations météorologiques, etc. Cette étude s'est uniquement concentrée sur l'estimation des rendements du coton.
  • Comment l'analyse de sensibilité est-elle utilisée pour extraire les capsules de coton à partir d'images RVB haute résolution ?
  • Grâce à l'analyse de sensibilité, les variables d'entrée redondantes sont éliminées et le sous-ensemble optimal de variables d'entrée est obtenu pour simplifier le modèle. En utilisant l’apprentissage profond pour extraire les capsules de coton à partir d’images RVB haute résolution, les informations de texture dans les données sont davantage exploitées.