Could Weed Sensing in Corn Interrows Result in Efficient Weed Control?
Notice bibliographique
Résumé
At the field scale, weeds generally appear aggregated rather than randomly distributed, and this aggregation is linked to the spatial heterogeneity of biotic and abiotic factors. Crop management practices shape the spatial pattern of weed infestations by modifying certain factors having an impact on weed emergence and growth. Although crop seeding is often the last in-field disturbance before crop and weed emergence, its effect on the distribution of weeds has received little attention in the literature. The purpose of this study was to assess the influence of the planting operation on weed cover and presence in corn fields using digital images to investigate the possibility of sensing the interrow to infer the presence or absence of weeds on the corn row. A total of 18 site-years under conventional tillage treated with a single POST application of herbicide were selected across seven locations. Image analysis, at the V2 to V4 growth stage of corn, was used to compare the weed cover in three zones: the undisturbed interrows, the corn rows, and the interrows compacted by tractor wheel traffic. For 61% of site-years, there was no significant difference among the zones. When there was a significant difference compared with the other two zones, the undisturbed interrow was usually less infested. Point-to-point comparisons of weed presence or absence (based on a threshold of five pixels) between the interrow and the corn row revealed 70 or 73% correspondence, depending on the type of interrow (undisturbed or tracked). However the error of inference of the corn row weed cover generated by sensing only adjacent interrows may be too high for efficient commercial weed control.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».