A Smart Fertilizer Calculation Computer Simulator For The Land Preparation Of Paddy Crop Field Based On WSN Leads To Precision Agriculture
Notice bibliographique
Résumé
This proposed work is implemented on Java platform to simulate the land preparation for paddy crops interactively and listed out the name and quantity of fertilizers required to the proposed crop-field prior to start the agricultural process. Life in the land can only possible when adequate food is available to us. And today’s technology goes a level to make the available land suitable for the crops and agriculture. Our work is focused on to develop a simulator tool which offers high customizable platform in terms of number of sensors, area of the field, position of Base Station (BS), type of fertilizers and chemicals, etc. Many agricultural based simulators are developed which deal with monitoring, harvesting, irrigation etc. But this proposed simulator is designed to helps farmers to draw an idea before starting farming in a practical crop field and provides the list of fertilizers needed for the crop field for suitable agriculture and to achieve high yield production which helps to fulfil the high population food consumption. Key features of this proposed simulator are delight visualization, real-time monitoring, instant controlling, and best suggestion of fertilizers with quantity. The proposed system has been developed on JDK 8 with Netbeans IDE. Java Swing is capable of talking with the real sensors over the network, hence this simulator can be upgraded to the real-time software application with interfacing real soil sensors. CCS CONCEPTS • Paddy Crop • Land Preparation • Computer Simulator
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 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».