利用机器学习模型预测水培生菜的产量

预测作物产量是实现全球粮食供应最大化的一项重要任务,特别是在发展中国家。本研究使用四种机器学习模型,即支持向量回归器、极端梯度提升、随机森林和深度神经网络,研究了生菜产量的预测。

在 2018 年和 2019 年的生长季节,在三个水培系统中栽培,这些系统在受控的温室环境下与三种不同的磁单元强度相互作用。评估了由输入变量(即叶数、耗水量、干重、茎长和茎径)的组合组成的三种情景。情景3(所有输入变量)的 XGB 模型产生了最低的均方根误差 8.88 克,其次是相同情景的 SVR,达到9.55克,最高的结果是情景1的 RF,达到12.89克。

所有散点指数值小于0.1的模型方案在预测新鲜生菜产量方面都被列为优秀。基于所有的性能统计,两个最好的模型是情景3的 SVR 和情景2的 DNN。然而,需要较少输入变量的情景2的 DNN 是首选。DNN 模型预测新鲜生菜产量的潜力是有希望的,它可以作为决策者管理作物产量的快速工具而大规模应用。

阅读完整的研究报告,请点击 www.researchgate.net.

Orsini, Francesco & Mendez-Espinoza, Ana & Carotti, Laura & El-Ssawy, Wessam & Al-Ansari, Nadhir & Mokhtar, Ali & He, Hongming & Saad, Sh & Shauket, Saad & Gyasi-Agyei, Yeboah & Abuarab, Mohamed. (2022). Using Machine Learning Models to Predict Hydroponically Grown Lettuce Yield. Plant Science. 13. 1-10. 10.3389/fpls.2022.706042. 


发布日期:



如果您想免费订阅我们的每日新闻,请点击这里| 点击这里


此领域的其它新闻:


点击订阅我们的每日EMAIL新闻信

取消 订阅