机构名称：
¥ 1.0
摘要：如果农民不及时反应以抑制其传播，虫害昆虫的出现可能会导致产量损失。可以通过昆虫陷阱来监测昆虫的发生和数量，其中包括它们的永久游览和检查其状况。另一种有效的方法是在陷阱中设置带有相机的传感器设备，将陷阱拍摄并将图像转发到Internet上，其中有害生物昆虫的外观将通过图像分析预测。天气条件，温度和相对湿度是影响某些害虫出现的参数，例如Helicoverpa Armigera。本文提出了一种机器学习模型，该模型可以考虑到空气温度和相对湿度，可以每天在一个季节预测昆虫的出现。应用了几种用于分类的机器学习算法，并提出了其预测昆虫发生的准确性（高达76.5％）。由于根据测量进行测量的日子以时间顺序给出了测试的数据，因此将现有模型扩展，以考虑三天和五天的时间。扩展方法显示出更好的预测准确性和较低的错误检测百分比。在五天的情况下，受影响检测的准确性为86.3％，而虚假检测的百分比为11％。所提出的机器学习模型可以帮助农民检测害虫的发生，并节省检查领域所需的时间和资源。
使用传感器和机器学习对害虫昆虫外观的预测
主要关键词
相关文件推荐
