Aplicación de tecnologías de drones, sensores y robots
Agricultura de precisión
- Video:INNOTRANSFER | Oportunidades de innovación en el sector hortofrutícola
- Fuente:Parc Científic de la Universitat de València
Pre-Trained Deep Neural Network-Based Features Selection Supported Machine Learning for Rice Leaf Disease Classification
Aprendizaje automático basado en la selección de características de redes neuronales profundas preentrenadas para la clasificación de enfermedades de la hoja del arroz
Cerca del 70% de la población india depende de algún modo de la agricultura y la agroindustria representa alrededor del 17% del PIB del país. En la India, el arroz es uno de los cultivos más importantes, pero es vulnerable a una serie de enfermedades a lo largo de todo el proceso de cultivo y la identificación de estas enfermedades por parte de los agricultores es muy imprecisa debido a su falta de conocimientos. Este artículo tiene como objetivo presentar un sistema para predecir enfermedades en las hojas de arroz por medio de técnicas de aprendizaje profundo. Se recopilaron y procesaron imágenes para modelar el algoritmo con características como el tizón bacteriano y la mancha marrón. El procesamiento propuesto alcanza una precisión del 91% y los resultados demostraron que el sistema es válido y eficaz para identificar enfermedades en el cultivo de arroz.
Este artículo fue realizado por Meenakshi Aggarwal, Vikas Khullar (Chitkara University, Punjab, India), Nitin Goyal (Central University of Haryana, Haryana, India), Aman Singh (Universidad Europea del Atlántico, Santander, Spain; Universidad Internacional Iberoamericana, Arecibo, USA; Uttaranchal University, Uttarakhand, India), Amr Tolba (King Saud University, Riyadh, Saudi Arabia), Ernesto Bautista Thompson (Universidad Internacional Iberoamericana, Arecibo, USA; Universidad Europea del Atlántico, Santander, Spain), Sushil Kumar (Central University of Haryana, Haryana, India) para Agriculture (Vol 13, núm 5, p. 936, 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]
Smart Framework for Quality Check and Determination of Adulterants in Saffron Using Sensors and AquaCrop
Marco inteligente para el control de calidad y la determinación de adulterantes en el azafrán mediante sensores y AquaCrop
Para mejorar el cultivo del azafrán, es crucial supervisar y controlar con precisión las variables agronómicas del cultivo durante al menos un ciclo de crecimiento para crear un entorno totalmente automatizado. En este estudio se analizaron las variables agronómicas en la región india de Punjab y se calcularon los puntos de ajuste aplicando técnicas de procesamiento de imágenes. También se investigó la relación entre la cubierta vegetal, el porcentaje de crecimiento y las variables agronómicas para obtener un rendimiento y una calidad óptimos. Los autores hacen énfasis en que es necesario idear un mecanismo fiable para ayudar en la detección de adulterantes añadidos al azafrán. Este artículo propone un entorno de cultivo de azafrán automatizado basado en IoT que utiliza sensores para determinar los puntos de ajuste de las variables agronómicas. Para evaluar el rendimiento del marco propuesto se empleó el simulador AquaCrop y los resultados mostraron una mejora de la biomasa, el rendimiento y el índice de cosecha en comparación con las soluciones existentes en agricultura de precisión.
Este artículo fue realizado por Kanwalpreet Kour, Deepali Gupta (Chitkara University, Rajpura, India), Junaid Rashid (Sejong University, Seoul, Republic of Korea), Kamali Gupta (Chitkara University, Rajpura, India), Jungeun Kim (Kongju National University, Cheonan, Republic of Korea), Keejun Han (Hansung University, Seoul, Republic of Korea), Khalid Mohiuddin (King Khalid University, Abha, Saudi Arabia) para Agriculture (Vol 13, núm 4, p. 776, 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]
