Aplicación de tecnologías de drones, sensores y robots
Agricultura de precisión
Can Drones Help Smallholder Farmers Improve Agriculture Efficiencies and Reduce Food Insecurity in Sub-Saharan Africa? Local Perceptions from Malawi
¿Pueden los drones ayudar a los pequeños agricultores a mejorar la eficiencia agrícola y reducir la inseguridad alimentaria en el África subsahariana? Percepciones locales sobre Malawi
Los pequeños agricultores del África subsahariana desempeñan un papel vital en la consecución de la seguridad alimentaria y la nutrición, pero carecen de acceso a la tecnología y la información necesarias para aumentar su productividad agrícola. Aunque los drones y la tecnología de agricultura de precisión han tenido un impacto significativo en la agricultura, su aplicación por parte de los pequeños agricultores no se conoce bien. Este artículo tiene como objetivo examinar cómo los drones pueden ayudar a los pequeños agricultores a aumentar su productividad agrícola y su seguridad alimentaria en Malawi. Los autores destacan que con esta investigación se busca comprender las percepciones de los pequeños agricultores sobre los datos abiertos y la privacidad de los datos. Los resultados muestran que cuando los pequeños agricultores interactúan con los datos de los drones, comprenden mejor su explotación y son capaces de tomar decisiones más informadas que utilizan menos insumos y reducen los costes de producción.
Este artículo fue realizado por Christopher McCarthy (Johns Hopkins University, Baltimore, USA; Lilongwe University of Agriculture and Natural Resources (LUANAR), Lilongwe, Malawi), Yamikani Nyoni, Daud Jones Kachamba, Lumbani Benedicto Banda, Boyson Moyo (Lilongwe University of Agriculture and Natural Resources (LUANAR), Lilongwe, Malawi), Cornelius Chisambi (Kyoto University, Kyoto, Japan), James Banfill (Chulalongkorn University, Bangkok, Thailand), Buho Hoshino (Rakuno Gakuen University, Ebetsu, Japan) para Agriculture (Vol 13, núm 5, p. 1075, 2023), una revista que divulga artículo que reflejan la amplitud e interdisciplinariedad de la agricultura. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
EfficientDet-4 Deep Neural Network-Based Remote Monitoring of Codling Moth Population for Early Damage Detection in Apple Orchard
Monitorización remota de la población de la polilla del bacalao basada en redes neuronales profundas EfficientDet-4 para la detección precoz de daños en manzanos
Las redes neuronales profundas (DNN) se han aplicado recientemente en la agricultura, especialmente en el seguimiento de plagas. El gusano de la manzana es la plaga más dañina del árbol, y los métodos disponibles para su seguimiento son obsoletos. El objetivo de este artículo es desarrollar un sistema automático de monitorización de la polilla de la manzana basado en DNNs. El sistema tiene de una trampa inteligente que permite procesar los datos in situ y envía el resultado de la detección. Los resultados se evaluaron estadísticamente mediante la matriz de confusión, y el modelo desarrollado mostró una precisión superior al 99% en la detección de polillas. El sistema presentado en este artículo contribuye a la vigilancia automática de plagas y a la producción sostenible de manzanas.
Este artículo fue realizado por Dana Čirjak (University of Zagreb, Zagreb, Croatia), Ivan Aleksi (Josip Juraj Strossmayer University of Osijek, Osijek, Croatia), Darija Lemic, Ivana Pajač Živković (University of Zagreb, Zagreb, Croatia) para Agriculture (Vol 13, núm 5, p. 961, 2023), una revista que divulga artículo que reflejan la amplitud e interdisciplinariedad de la agricultura. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
- Video:Simposio internacional incursión a la agricultura de precisión
- Fuente:IICAnoticias
