Les technologies d'intelligence artificielle et de reconnaissance d'images sont combinées avec des capteurs environnementaux et l'Internet des objets (IoT) pour l'identification des nuisibles. Les systèmes de météorologie agricole et d'identification des ravageurs en temps réel sur les applications mobiles sont évalués en fonction de l'identification intelligente des ravageurs et des données IoT environnementales. Nous avons combiné la technologie A IoT actuellement mature et l'apprentissage profond et l'avons appliquée à l'agriculture intelligente. Nous avons utilisé l'apprentissage profond YOLOv3 pour la reconnaissance d'images afin d'obtenir l'emplacement de Tessaratoma papillosa et d'analyser les informations environnementales des stations météorologiques par le biais de la mémoire à long terme (LSTM) pour prédire l'apparition de parasites. Les résultats expérimentaux ont montré que la précision de l'identification des ravageurs a atteint 90 %. Un positionnement précis peut réduire efficacement la quantité de pesticides utilisés et réduire les dommages causés au sol par les pesticides. La recherche actuelle fournit l'emplacement du ravageur et l'étendue des ravageurs aux agriculteurs peuvent utiliser avec précision l'application de pesticides à un moment et un endroit précis et ainsi réduire la main-d'oeuvre agricole nécessaire pour le contrôle des ravageurs en temps opportun, atteignant ainsi l'objectif de l'agriculture intelligente.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.