Andere Kunden interessierten sich auch für
![Implementierung der Identifizierung von Blattkrankheiten bei landwirtschaftlichen Pflanzen mit]( "Implementierung der Identifizierung von Blattkrankheiten bei landwirtschaftlichen Pflanzen mit")
Implementierung der Identifizierung von Blattkrankheiten bei landwirtschaftlichen Pflanzen mit39,90 €![Automated Black Rust Detection in Wheat Using CNNs]( "Automated Black Rust Detection in Wheat Using CNNs")
Automated Black Rust Detection in Wheat Using CNNs29,99 €![Erkennung und Überwachung einiger Tephritidae-Arten an Obstbäumen im Sudan]( "Erkennung und Überwachung einiger Tephritidae-Arten an Obstbäumen im Sudan")
Erkennung und Überwachung einiger Tephritidae-Arten an Obstbäumen im Sudan54,90 €![Immundepressive Wirkungen von Beauveria bassiana Vuill. auf Reis-Hispas]( "Immundepressive Wirkungen von Beauveria bassiana Vuill. auf Reis-Hispas")
Immundepressive Wirkungen von Beauveria bassiana Vuill. auf Reis-Hispas35,90 €![Erkennung von LC-Veränderungen mit RS und GIS im Goz Rum-Gebiet, Südsudan]( "Erkennung von LC-Veränderungen mit RS und GIS im Goz Rum-Gebiet, Südsudan")
Erkennung von LC-Veränderungen mit RS und GIS im Goz Rum-Gebiet, Südsudan35,90 €![Faktoren, die Erkennung und Überweisung unterernährter Kinder beeinflussen]( "Faktoren, die Erkennung und Überweisung unterernährter Kinder beeinflussen")
Faktoren, die Erkennung und Überweisung unterernährter Kinder beeinflussen64,90 €![Support-Vektor-Maschinen: intelligente Hilfsmittel zur Erkennung von Mastitis]( "Support-Vektor-Maschinen: intelligente Hilfsmittel zur Erkennung von Mastitis")
Support-Vektor-Maschinen: intelligente Hilfsmittel zur Erkennung von Mastitis32,90 €
In dieser Forschungsarbeit wird ein hochpräzises CNN-basiertes Modell (99,9 % Genauigkeit) zur Früherkennung von Schwarzrost bei Weizen mittels Bildanalyse vorgestellt. Das Modell wurde auf einem vielfältigen, regionalspezifischen Datensatz trainiert, um eine robuste Leistung bei unterschiedlichen agroklimatischen Bedingungen zu gewährleisten. Es ermöglicht die frühzeitige Erkennung von Krankheiten, die Verringerung von Ertragsverlusten, die Optimierung des Fungizideinsatzes und die Förderung nachhaltiger Anbaumethoden. Das System ist leichtgewichtig, kann auf Smartphones eingesetzt werden und lässt sich in digitale landwirtschaftliche Ökosysteme integrieren, so dass die Landwirte Zugang zu KI-Tools erhalten. Seine Skalierbarkeit und Kompatibilität mit IoT- und Cloud-Plattformen machen es zu einem wichtigen Schritt in Richtung Präzisionslandwirtschaft und nationaler Ernährungssicherheit.