用于根据连续环境数据预测作物病虫害风险的深度学习模型,Plant Methods

作物害虫会降低生产力，因此通过早期发现和预防对其进行管理至关重要。通过应用机器学习方法，来自各种模式的数据被用来预测农作物病害。特别是，由于生长环境数据相对容易获得，因此人们进行了许多尝试来利用它来预测病虫害。在本文中，我们提出了一种模型，利用深度学习技术，通过农作物先前的生长环境信息（包括气温、相对湿度、露点和二氧化碳浓度）来预测疾病。利用草莓、辣椒、葡萄、番茄和辣椒等作物的大规模公共数据，我们证明该模型可以预测作物病虫害的风险评分。它表现出很高的预测性能，平均 AUROC 为 0.917，并且根据预测结果，可以帮助预防害虫或进行后处理。这种基于环境数据的作物病害预测模型和学习框架有望普遍适用于各种病虫害防治设施和作物。

"点击查看英文标题和摘要"

相关知识

用于根据连续环境数据预测作物病虫害风险的深度学习模型,Plant Methods
基于自适应判别深度置信网络的棉花病虫害预测
基于多源遥感信息的作物病虫害生境评价研究进展
基于深度学习的玉米病虫害检测系统（网页版+YOLOv8/v7/v6/v5代码+训练数据集）
基于深度学习的农作物病害图像识别技术进展
作物病虫害高光谱遥感进展与展望
用于马铃薯叶片病害预测的端到端深度学习框架（完整代码）
小麦种植病虫害预测模型考核试卷.docx
基于深度学习特征的植物病虫害检测
病虫害风险评估与预警模型构建

原文链接: 用于根据连续环境数据预测作物病虫害风险的深度学习模型,Plant Methods https://www.huajiangbk.com/newsview135078.html