返回
A deep ensemble learning framework for precision image-level weed classification in paddy fields
DOI:10.1016/j.compag.2026.111696.png)
摘要
En 中文
• 新型框架:引入基于深度学习的杂草检测技术用于精准水稻种植
• 实际数据集:开发并标注了约950张覆盖多样化环境和光照条件的田间图像
• 集成学习整合:通过多数投票结合微调后的CNN模型以提高鲁棒性和准确性
• 卓越性能:达到99.70%的准确率,同时具备近乎完美的精确度和F1分数
• 可持续应用:提供了一种可扩展且环保的方法,以减少水稻种植中的手动劳动和除草剂使用
Keyword:
weed detection
deep learning
ensemble learning
precision agriculture
paddy fields
期刊
IF:
8.9
论文数:
1.0W
被引数:
4.8W
机构
引用论文
An intrusion detection model to detect zero-day attacks in unseen data using machine learning基于机器学习的入侵检测模型,用于检测未见数据中的零日攻击
PLOS ONE
IF0
Advancing Bankruptcy Forecasting With Hybrid Machine Learning Techniques: Insights From an Unbalanced Polish Dataset利用混合机器学习技术推进破产预测: 来自不平衡波兰数据集的见解
IEEE ACCESS
IF3.6
Graph weeds net: A graph-based deep learning method for weed recognitionGraph weeds net: 一种基于图的深度学习杂草识别方法

