
Rice, Год журнала: 2025, Номер 18(1)
Опубликована: Май 26, 2025
Язык: Английский
Rice, Год журнала: 2025, Номер 18(1)
Опубликована: Май 26, 2025
Язык: Английский
LatIA, Год журнала: 2025, Номер 3, С. 88 - 88
Опубликована: Фев. 19, 2025
The introduction of a deep learning-based method for non-destructive leaf area index (LAI) assessment has enhanced rapid estimation wheat and similar crops, aiding crop growth monitoring, water, nutrient management. Convolutional Neural Network (CNN)-based algorithms enable accurate, quantification seedling areas assess LAI across diverse genotypes environments, demonstrating adaptability. Transfer learning, known efficiency in plant phenotyping, was tested as resource-saving approach training the model. These advancements support breeding, facilitate genotype selection varied accelerate genetic gains, enhance genomic LAI. By capturing this can improve resilience to climate change. Additionally, advances machine learning data science better prediction distribution mapping global rust pathogens, major agricultural challenge. Accurate risk identification allows timely effective control measures. Moreover, lodging models using CNNs lodging-prone varieties, influencing decisions yield stability. artificial intelligence-driven techniques contribute sustainable enhancement, especially context change increasing food demand.
Язык: Английский
Процитировано
0Food Reviews International, Год журнала: 2025, Номер unknown, С. 1 - 37
Опубликована: Апрель 7, 2025
Язык: Английский
Процитировано
0Soil Security, Год журнала: 2025, Номер unknown, С. 100184 - 100184
Опубликована: Апрель 1, 2025
Язык: Английский
Процитировано
0Опубликована: Апрель 18, 2025
Язык: Английский
Процитировано
0Journal of Agriculture and Food Research, Год журнала: 2025, Номер 21, С. 101916 - 101916
Опубликована: Апрель 30, 2025
Язык: Английский
Процитировано
0Rice, Год журнала: 2025, Номер 18(1)
Опубликована: Май 26, 2025
Язык: Английский
Процитировано
0