Machine Learning for crop yield forecasting / Khaled, Abdennour  

Public ISBD Titre : Machine Learning for crop yield forecasting Type de document : texte imprimé Auteurs : Khaled, Abdennour, Auteur ; Nabila Chergui, Auteur Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (45 f .) Format : 29 cm Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé : blablaAtteindre la sécurité alimentaire est l’un des principaux objectifs du gouvernement Algérien. La demande alimentaire mondiale augmente avec l’augmentation de la population ce qui aura un impact sur les prix et la disponibilité des aliments. La prévision du rendement des cultures peut aider à résoudre le problème de l’approvisionnement alimentaire. En étant capable de prédire le rendement des cultures pendant la saison de croissance, l’importation et l’exportation peuvent être planifiées, et l’assistance alimentaire humanitaire peut être organisée. Le rendement des cultures peut être prédit grâce à l’utilisation d’enquêtes manuelles, de modèles de simulation de cultures ou de données de télédétection. L’enquête manuelle est la méthode traditionnelle de prévision du rendement des cultures qui nécessite des informations de terrain sur les cultures, par exemple, le comptage et l’évaluation des plantes et leur état de santé, etc. Les enquêtes manuelles sont coûteuses et difficiles à mettre à l’échelle. La télédétection (RS) pour la prédiction du rendement des cultures a été largement utilisée au cours des dernières décennies, elle est définie comme la science d’observer un objet sans le toucher [3]. Les données RS peuvent être collectées à partir de satellites, de drones ou même de simples caméras. RS a la capacité de fournir des outils de prévision de rendement plus abordables car un nombre important d’images RS est disponible gratuitement. De nos jours, les images RS sont utilisées pour extraire des indices de végétation tels que l’indice de végétation par différence normalisée (NDVI) et l’indice de végétation amélioré (EVI), etc., qui sont ensuite utilisés pour la prévision du rendement des cultures. Récemment, les chercheurs ont commencé à appliquer des techniques d’apprentissage automatique (ML) aux données spatiales en plus des données météorologiques traditionnelles et des propriétés du sol..., pour la prévision du rendement des cultures. Ces méthodes ont conduit à une amélioration globale de la précision des prédictions. Après l’émergence de modèles d’apprentissage en profondeur, les chercheurs se tournent vers ces techniques de prédiction de rendement telles que le réseau neuronal convolutif (CNN) et la mémoire à long terme (LSTM), où elles fonctionnent bien. Côte titre : MAI/0557 En ligne : https://drive.google.com/file/d/1ncQ9zIowqfVffc2IsX8Z9o57H1149ZLn/view?usp=shari [...] Format de la ressource électronique : pdf Machine Learning for crop yield forecasting [texte imprimé] / Khaled, Abdennour, Auteur ; Nabila Chergui, Auteur . - [S.l.] : Setif:UFA, 2021 . - 1 vol (45 f .) ; 29 cm. Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé : blablaAtteindre la sécurité alimentaire est l’un des principaux objectifs du gouvernement Algérien. La demande alimentaire mondiale augmente avec l’augmentation de la population ce qui aura un impact sur les prix et la disponibilité des aliments. La prévision du rendement des cultures peut aider à résoudre le problème de l’approvisionnement alimentaire. En étant capable de prédire le rendement des cultures pendant la saison de croissance, l’importation et l’exportation peuvent être planifiées, et l’assistance alimentaire humanitaire peut être organisée. Le rendement des cultures peut être prédit grâce à l’utilisation d’enquêtes manuelles, de modèles de simulation de cultures ou de données de télédétection. L’enquête manuelle est la méthode traditionnelle de prévision du rendement des cultures qui nécessite des informations de terrain sur les cultures, par exemple, le comptage et l’évaluation des plantes et leur état de santé, etc. Les enquêtes manuelles sont coûteuses et difficiles à mettre à l’échelle. La télédétection (RS) pour la prédiction du rendement des cultures a été largement utilisée au cours des dernières décennies, elle est définie comme la science d’observer un objet sans le toucher [3]. Les données RS peuvent être collectées à partir de satellites, de drones ou même de simples caméras. RS a la capacité de fournir des outils de prévision de rendement plus abordables car un nombre important d’images RS est disponible gratuitement. De nos jours, les images RS sont utilisées pour extraire des indices de végétation tels que l’indice de végétation par différence normalisée (NDVI) et l’indice de végétation amélioré (EVI), etc., qui sont ensuite utilisés pour la prévision du rendement des cultures. Récemment, les chercheurs ont commencé à appliquer des techniques d’apprentissage automatique (ML) aux données spatiales en plus des données météorologiques traditionnelles et des propriétés du sol..., pour la prévision du rendement des cultures. Ces méthodes ont conduit à une amélioration globale de la précision des prédictions. Après l’émergence de modèles d’apprentissage en profondeur, les chercheurs se tournent vers ces techniques de prédiction de rendement telles que le réseau neuronal convolutif (CNN) et la mémoire à long terme (LSTM), où elles fonctionnent bien. Côte titre : MAI/0557 En ligne : https://drive.google.com/file/d/1ncQ9zIowqfVffc2IsX8Z9o57H1149ZLn/view?usp=shari [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0557	MAI/0557	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 1 / 1)