Prédiction des adventices de la canne à sucre à La Réunion : une approche par apprentissage supervisé multi-labels - Archive ouverte HAL Accéder directement au contenu
Poster De Conférence Année : 2022

Prédiction des adventices de la canne à sucre à La Réunion : une approche par apprentissage supervisé multi-labels

Résumé

In agricultural surveys, weeds are considered as the most harmful pests. We propose a comparative study of multi-label classification algorithms to predict their weediness.The results show that the ML-ARAM and ML-kNN are the most efficient with a need to further improve the predictions.
Fichier principal
Vignette du fichier
Article_EGC_2022_2p.pdf (93.54 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03573021 , version 1 (14-02-2022)

Identifiants

  • HAL Id : hal-03573021 , version 1

Citer

Frédérick Fabre Ferber, Thomas Le Bourgeois, Marion Schwartz, Aude Ripoche, Dominique Gay, et al.. Prédiction des adventices de la canne à sucre à La Réunion : une approche par apprentissage supervisé multi-labels. 22ème conférence Extraction et Gestion des Connaissances (EGC), Jan 2022, Blois, France. . ⟨hal-03573021⟩
100 Consultations
88 Téléchargements

Partager

Gmail Facebook X LinkedIn More