Comparative study on Functional Machine learning and Statistical Methods in Disease detection and Weed Removal for Enhanced Agricultural Yield
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 118
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JITM-15-5_005
تاریخ نمایه سازی: 1 آبان 1401
چکیده مقاله:
Agriculture is one of the essential sources of occupation and revenue in India. Conferring to existing statistics, most agriculturalists are facing severe losses due to poor farming yield. Farming activities are challenged by various environmental factors that affect agricultural productivity to a greater extent. The present farming situation is above the average of the process involves more biochemical bases for managing the diseases and other destructing facts. The foremost problems they are facing in day-to-day farming tasks are crop or plant diseases affecting productivity. Also, the growth of weeds along with field crops has been another challenge. The technology has developed to rectify the problems using some machine learning algorithms like Random Forest algorithms, Decision trees, Naïve Bayes, KNN, K-Means clustering, Support vector machines. The result has been evaluated and observed through the performance evaluation metrics using confusion matrix, accuracy, precision, Sensitivity, specificity with the observations, research, and studies. The statistics have expressed the overall accuracy of ۹۸% by achieving the detection of diseases in plants and by removing the weeds that ruin the growth of plants.
کلیدواژه ها:
نویسندگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :