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

Fabre Ferber Frédérick, Le Bourgeois Thomas, Schwartz Marion, Ripoche Aude, Gay Dominique, Auzoux Sandrine. 2022. Prédiction des adventices de la canne à sucre à La Réunion : une approche par apprentissage supervisé multi-labels. In : Actes de la conférence EGC'2022. Amer-Yahia Sihem (ed.), Soulet Arnaud (ed.). s.l. : Éditions RNTI, 475-476. (Revue des Nouvelles Technologies de l'Information, RNTI-E-38) ISBN 979-10-96289-16-5 Conférence extraction et gestion des connaissances (EGC 2022). 22, Blois, France, 24 Janvier 2022/28 Janvier 2022.

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.

Mots-clés libres : Adventice tropicale, Canne à sucre, Prédiction de la flore adventice, Apprentissage supervisé

Auteurs et affiliations

• Fabre Ferber Frédérick, Université de la Réunion (REU)
• Le Bourgeois Thomas, CIRAD-BIOS-UMR AMAP (FRA) ORCID: 0000-0002-3039-0455
• Schwartz Marion, CIRAD-PERSYST-UPR AIDA (REU)
• Ripoche Aude, CIRAD-PERSYST-UPR AIDA (REU)
• Gay Dominique, Université de la Réunion (REU)
• Auzoux Sandrine, CIRAD-PERSYST-UPR AIDA (REU) ORCID: 0000-0002-8764-8672

Source : Cirad-Agritrop (https://agritrop.cirad.fr/600284/)

Métriques

[ Page générée et mise en cache le 2022-02-15 ]