MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Smart Agriculture and AI
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

930 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
930 travaux dans la cohorte · sur 4 299 418page 9 sur 19

Les étiquettes couvrent 1 des 930 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 930 des 930 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

affnon étiqueté
Smart garden with intruder detection system
E. Annapoorna, Aditi Manduva, R.P. Ram Kumar, Manu Hajari, Haider Alabdeli, B Rajalakshmi +2 autres
2024· article· en· E3S Web of Conferences· Agricultural and Biological Sciences
prédiction distillée:candidate · aucuneconsensus · aucune
4
citations
affnon étiqueté
Smart Decision-Support System for Pig Farming
Hao Wang, Boyang Li, Haoming Zhong, Ahong Xu, Yingjie Huang, Jingfu Zou +5 autres
2022· article· en· Drones· Agricultural and Biological Sciences
prédiction distillée:candidate · aucuneconsensus · aucune
4
citations
affsans résuménon étiqueté
Cybersecurity in Digital Agriculture: A National Security Risk?
Janos Botschner, Cal Corley, Evan Fraser, Ritesh Kotak, Dave McMahon, Lenore Newman
2024· book-chapter· en· Advanced sciences and technologies for security applications· Agricultural and Biological Sciences
prédiction distillée:candidate · aucuneconsensus · aucune
4
citations
affaboutnon étiqueté
Intelligent Information Technologies in Fruit Industry
Lie Deng, Qiang Lyu, Simon X. Yang
2015· article· en· Intelligent Automation & Soft Computing· Agricultural and Biological Sciences
prédiction distillée:candidate · aucuneconsensus · aucune
4
citations
affnon étiqueté
Adaptive Feature-Based Plant Recognition
Moteaal Asadi Shirzi, Mehrdad R. Kermani
2024· article· en· IEEE Transactions on AgriFood Electronics· Agricultural and Biological Sciences
prédiction distillée:candidate · aucuneconsensus · aucune
4
citations
afffundnon étiqueté
Machine Vision System for 3D Plant Phenotyping
Ayan Chaudhury, Christopher D. Ward, Ali Talasaz, Alexander G. Ivanov, Mark Brophy, Bernard Grodzinski +3 autres
2018· preprint· en· IEEE/ACM Transactions on Computational Biology and Bioinformatics· Agricultural and Biological Sciences
prédiction distillée:candidate · aucuneconsensus · aucune
4
citations
venueno affsans résuménon étiqueté
GLAD: Advanced Attention Mechanism-Based Model for Grape Leaf Disease Detection
Venkata Nagaraju Thatha, Polukonda Mary Kamala Kumari, Uddagiri Sirisha, Valisetty Venkata Ram Manoj, S. Phani Praveen
2024· article· en· Ingénierie des systèmes d information· Agricultural and Biological Sciences
prédiction distillée:candidate · aucuneconsensus · aucune
3
citations
venueno affsans résuménon étiqueté
Deep Learning for the Classification of Rice Leaf Diseases Using YOLOv8
Christine Dewi, Fajar Yanwar Bilaut, Henoch Juli Christanto, Guowei Dai
2024· article· en· Mathematical Modelling and Engineering Problems· Agricultural and Biological Sciences
prédiction distillée:candidate · aucuneconsensus · aucune
3
citations
aboutno affnon étiqueté
Smart Farming Adoption in Europe
Konstantinos Kiropoulos, Stamatia Bibi
2024· article· en· IEEE Technology and Society Magazine· Agricultural and Biological Sciences
prédiction distillée:candidate · aucuneconsensus · aucune
3
citations
affsans résuménon étiqueté
A Comparative Study on Plant Diseases Using Object Detection Models
Abu Adnan Sadi, Ziaul Hossain, Ashfaq Uddin Ahmed, Md. Tazin Morshed Shad
2024· book-chapter· en· Lecture notes in networks and systems· Agricultural and Biological Sciences
prédiction distillée:candidate · aucuneconsensus · aucune
3
citations
venueno affnon étiqueté
Guidance the Wall Painting Robot Based on a Vision System
Fatima M. Jasim, Malik M. A. Al-Isawi, Ali H. Hamad
2022· article· en· Journal Européen des Systèmes Automatisés· Agricultural and Biological Sciences
prédiction distillée:candidate · stsconsensus · aucune
3
citations

En coulisses: Sélection · Constats · À propos