Andere Kunden interessierten sich auch für
![Vorhersage des Ernteertrags mithilfe von Deep Learning]( "Vorhersage des Ernteertrags mithilfe von Deep Learning")
Vorhersage des Ernteertrags mithilfe von Deep Learning43,90 €![Vorhersage von Ernteerträgen in verschiedenen Bezirken von Karnataka mit ML.]( "Vorhersage von Ernteerträgen in verschiedenen Bezirken von Karnataka mit ML.")
Vorhersage von Ernteerträgen in verschiedenen Bezirken von Karnataka mit ML.43,90 €![Prediction of tomato seed germination from images with deep learning]( "Prediction of tomato seed germination from images with deep learning")
Prediction of tomato seed germination from images with deep learning29,99 €![Auswirkungen von Saatgutvorbehandlungen auf die Keimung und das Wachstum von Rapssämlingen]( "Auswirkungen von Saatgutvorbehandlungen auf die Keimung und das Wachstum von Rapssämlingen")
Auswirkungen von Saatgutvorbehandlungen auf die Keimung und das Wachstum von Rapssämlingen43,90 €![Mangaba Saatgut-Technologie (Hancornia speciosa Gomes)]( "Mangaba Saatgut-Technologie (Hancornia speciosa Gomes)")
Mangaba Saatgut-Technologie (Hancornia speciosa Gomes)54,90 €![Previsione della germinazione dei semi di pomodoro dalle immagini con il deep learning]( "Previsione della germinazione dei semi di pomodoro dalle immagini con il deep learning")
Previsione della germinazione dei semi di pomodoro dalle immagini con il deep learning29,99 €![Previsione della resa delle colture utilizzando il Deep Learning]( "Previsione della resa delle colture utilizzando il Deep Learning")
Previsione della resa delle colture utilizzando il Deep Learning29,99 €
Dieses Buch befasst sich mit der Anwendung von Deep Learning im Bereich der Landwirtschaft. In der Tat wurden Untersuchungen durchgeführt, um die Keimfähigkeit von Tomatensamen anhand von Bildern mit Deep Learning unter geeigneten Wachstumsbedingungen vorherzusagen. Bei dieser Aufgabe handelte es sich um eine Klassifizierungsaufgabe, die schwierig war, da die Klassen unausgewogen waren. Zur Bewertung der Modelle wurde der Makro-F1-Score verwendet.Bei der Analyse wurde ein Basismodell verwendet, das aus drei Faltungsschichten und der Klassifizierungsschicht nach einer Abflachung bestand.Einige nützliche vortrainierte Modelle, wie VGG-19 und ResNet-50, wurden ebenfalls verwendet, um die neue Aufgabe zu nutzen.Obwohl die Klassifizierung so schwierig war, waren die oben genannten Techniken so nützlich, dass ein Wert von 0,52 erreicht wurde, der besser ist als das menschliche Schätzvermögen.