MétaCan
Menu
Retour à la cohorte
Enregistrement W4240531707 · doi:10.1002/essoar.10508285.1

Image-based remote approach of Canola yield modelling with cumulative temporal ground cover for precision agronomy

2021· preprint· en· W4240531707 sur OpenAlexaff
Anjika Attanayake, Steven J. Shirtliffe, Eric N. Johnson, Hema Duddu

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePotato Plant Research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésCanolaCover (algebra)Yield (engineering)Computer scienceWorld Wide WebRemote sensingGeologyEngineeringAgronomyBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Agronomic technological advancements provide more precise means to establish methodologies that can estimate yield response in many different ways. We are experimenting with a new image-based technique to predict the yield response of Canola using the rate of ground cover accumulation. Our trial was composed of row spacing and seeding rate as factors that influence the growth and the spatial distribution to evaluate its influence on the yield. Using the Visible Band Difference Vegetation Index (VDVI) from digital images, we estimated the ground cover and modelled the change over time. We regressed ground cover accumulation and integrated the function to calculate the area under the curve to regress against yield. Preliminary analysis indicates that the green ground cover accumulation overtime is sufficiently correlated with the yield (F=168.1, p=2.2e-16, R2=0.4694). Further, our results suggest the amount of green ground cover accumulation over time is dependent on the seeding density and row spacing. The analysis shows the higher seeding densities, 40 plants/m2 and above, acquire biomass rapidly, and the most stable yield predictions with ground cover are likely reached at similar plant densities. The most stable yield predictions in-relation to row spacing obtained from either 0.3m, 0.45m or 0.6m spacing (R-squares 0.94, 0.93, and 0.89, respectively). We are further experimenting to understand what growth period of the crop is most suitable for ground cover based yield predictions. Our primary target is to develop a high throughput image-based methodology to estimate the yield response using the ground cover accumulation rate for on-farm precision agronomy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,100
Tête enseignante GPT0,281
Écart entre enseignants0,181 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPotato Plant ResearchTravaux en français237 207