Войти
аналитика - 農業技術
昆虫害虫の状態空間モデルを用いた分類
本研究は、状態空間モデル(SSM)、畳み込みニューラルネットワーク(CNN)、マルチヘッド自己注意機構(MSA)、多層パーセプトロン(MLP)を統合したInsectMambaモデルを提案し、昆虫害虫の分類精度を大幅に向上させている。
グローバルリモートセンシングデータを使用した作物分類のための最適なマルチビューラーニングモデルの探求
異なる入力パターンに対処するために、特定のエンコーダーアーキテクチャと融合戦略を同時に選択することが重要です。
高精度3Dフェノタイピングの探索：ニューラルラジアンスフィールドを通じた温室内での研究
学習ベースのフェノタイピング手法を使用して、ニューラルラジアンスフィールドを活用し、温室環境でのピーマン植物の正確な現地フェノタイピングを達成する。
大規模言語モデルは食品生産を促進する一方、リスクにも注意が必要
LLMsの普及による食品生産への機会とリスクを明確に理解する必要性
自己監督型バックボーンフレームワークによる多様な農業ビジョンタスク
自己監督学習は、大規模なアノテーションデータセットの必要性を排除し、効率的な下流学習タスクを向上させるための強力なバックボーンフレームワークです。
大規模言語モデルと基盤モデルを用いたスマート農業における基本、機会、および課題
大規模事前学習モデル（FMs）はスマート農業に革新をもたらす可能性があります。
ニューラルネットワークを使用した肥料管理ゾーンの因果分析
肥料応答性を考慮した管理ゾーンクラスタリング手法の提案
Faster R-CNNを使用した大麻種子変異の検出
農業産業における大麻種子変異の重要性と、Faster R-CNNモデルを用いた検出方法の研究成果を紹介。
昆虫理解のための大規模な1Mデータセットと基盤モデル
農業における昆虫検出と認識は重要であり、新しい"Insect-1M"データセットと"Insect Foundation Model"が画期的な資源であることを示す。
精密農業：機械学習とSentinel-2衛星画像を使用した作物マッピング
食料安全保障と気候変動への対応において、深層学習とピクセルベースの機械学習方法がラベンダー畑の正確なセグメンテーションに効果的であることを示す。
Продукты
© 2024 by Linnk AI