Andere Kunden interessierten sich auch für
![Détection du changement de LC à l'aide de RS et de GIS dans la région de Goz Rum, au Sud-Soudan]( "Détection du changement de LC à l'aide de RS et de GIS dans la région de Goz Rum, au Sud-Soudan")
Détection du changement de LC à l'aide de RS et de GIS dans la région de Goz Rum, au Sud-Soudan23,99 €![Détection de plantations de thé saines à l'aide d'images satellite multi-spectrales]( "Détection de plantations de thé saines à l'aide d'images satellite multi-spectrales")
Détection de plantations de thé saines à l'aide d'images satellite multi-spectrales26,99 €![Machines à vecteurs de support : outils d'aide intelligents pour la détection de la mammite]( "Machines à vecteurs de support : outils d'aide intelligents pour la détection de la mammite")
Machines à vecteurs de support : outils d'aide intelligents pour la détection de la mammite22,99 €![Utilisation des larves de la mouche soldat noire comme ingrédient pour l'alimentation des poissons]( "Utilisation des larves de la mouche soldat noire comme ingrédient pour l'alimentation des poissons")
Utilisation des larves de la mouche soldat noire comme ingrédient pour l'alimentation des poissons23,99 €![Poursuite de la recherche sur les rouilles du blé et leur gestion]( "Poursuite de la recherche sur les rouilles du blé et leur gestion")
Poursuite de la recherche sur les rouilles du blé et leur gestion26,99 €![Optimisation de la technologie des drones pour lutter contre la rouille du maïs]( "Optimisation de la technologie des drones pour lutter contre la rouille du maïs")
Optimisation de la technologie des drones pour lutter contre la rouille du maïs23,99 €![Facteurs influant sur la détection et l'orientation des enfants souffrant de malnutrition]( "Facteurs influant sur la détection et l'orientation des enfants souffrant de malnutrition")
Facteurs influant sur la détection et l'orientation des enfants souffrant de malnutrition42,99 €
Cette recherche présente un modèle très précis basé sur le CNN (99,9 % d'exactitude) pour la détection précoce de la rouille noire du blé à l'aide de l'analyse d'images. Le modèle a été entraîné sur un ensemble de données diverses et spécifiques à une région, garantissant une performance robuste dans des conditions agro-climatiques variées. Il permet de détecter la maladie à un stade précoce, de réduire les pertes de rendement, d'optimiser l'utilisation des fongicides et de promouvoir des pratiques agricoles durables. Le système est léger, déployable sur smartphone, et s'intègre aux écosystèmes agricoles numériques, donnant aux agriculteurs des outils d'IA accessibles. Son évolutivité et sa compatibilité avec les plateformes IoT et cloud le positionnent comme une étape essentielle vers l'agriculture de précision et la sécurité alimentaire nationale.