A Critical Implementation Strategy Proposed for Continuous Monitoring of Minerals in the Soil and to Identify the Diseases of Banana Plant Using Support Vector Machine
Notice bibliographique
Résumé
Agriculture is a strong foundation of economy for many agriculture-based countries like India.In the economies of many nations, including India, where banana farming is quite important, agriculture is a key component.Musa Acuminata is the scientific name for the banana, and a banana tree normally lives for about 25 years.Banana cultivation typically lasts 9 to 12 months.The persistent threat of illnesses, which can drastically affect yield and quality, is just one of the many difficulties faced by the banana industry.This study focuses on overcoming these obstacles by observing the health of the soil and detecting infections in banana plants.The yield and crop quality of bananas can be negatively impacted by a number of variables, including illnesses.Developing an efficient method for spotting diseases in banana plants is our main goal, and we're also constantly keeping an eye on the condition of the soil.The main methodology we use for identifying diseases is SVM.In addition, we use procedures for soil monitoring to measure soil pH levels, minerals, and other essential elements that affect the health of the soil.The study shows good results in identifying diseases, ensuring prompt treatments to reduce risks associated with diseases.Furthermore, strong plant growth and increased yields are facilitated by realtime soil health monitoring.By tackling the ongoing threat of illnesses in banana cultivation through SVM-based disease identification and ongoing soil health monitoring, this research offers a vital contribution to the agricultural sector.The study shows promise in identifying diseases and guaranteeing prompt actions to reduce risks associated with diseases.Furthermore, strong plant growth and increased yields are facilitated by real-time soil health monitoring.This paper is focused on both types of diseases of banana plant and minerals in the soil.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».