XiaoMi-AI文件搜索系统
World File Search SystemPoaceae
使用机器学习
Lili Ayu Wulandhari和她的团队观察了秋葵植物，并指出了如何从形态上看到缺乏营养素。他们着手使用深层卷积神经网络来识别营养缺乏症。他们的研究基于四种大量营养素：N，P，K和MG。他们指出，缺乏某种营养素在植物上显示出一定的形态变化。这允许检测到类似于疾病的营养缺乏症。在本研究中，使用算法作为算法的使用。使用两种训练方法：转移学习和微调。据观察，使用ImageNet数据集实现Inception Resnet算法并没有产生稳定的结果。作者怀疑这是由于ImageNet和秋葵数据集的差异所致。因此，通过冻结早期层来实施微调，实现了96％和86％的训练和测试精度[3]。
les poaceae）
摘要本研究旨在鉴定阿尔及利亚南部（Tidikelt地区）种植的高粱双色（L.）Moench（Poales poaceae）表型。我们基于国际半弧形热带（ICRISAT）的描述性研究，在植物的成熟期间组织了几次对高粱种植地点的探视，以库存和评估这种作物的表型。证明了植物参数测量结果，植物高度（HP），节点（NN）和叶子（LN）的数量（LN）和圆锥颜色（PC）显示出显着的差异，而我们记录了第三叶尺寸的非常小的差异：长度（L.3L）宽度（W.3l）（W.3L）和Panicle（W.3L）和Panicle（PL）（PL）（PL）。结果还表明，除混合和驯化的高粱外，当地的白色和红色高粱还有表型多样性，这些高粱通常被用作饲料。在此基础上，这种谷物种植可以在促进该地区本地的小米群体的种植方面发挥主要作用。