На урожайность кукурузы огромное влияние оказывает большое количество факторов. В проводимом исследовании рассмотрению подвергалась урожайность кукурузы с применением модели нейронной связи. На процесс урожайности непосредственное влияние оказывают те условия, которые на конкретном поле присутствуют. Среди них основными принято считать дату посева и доступность для культур питательных элементов, численность влаги и густоту насаждения, высоту над уровнем моря и погодные условия. Но отмечается, что на протяжении последних десятилетий урожай значительно возрос благодаря генетике и агрономичному управлению. Для этого основными факторами выступали использование удобрений синтетического происхождения и увеличение густоты посева, о чем возможно узнать больше информации на ifarming.com.ua определенных компаний. Густота посева считается одной из составляющих хорошей урожайности зерна. И именно от этого зависит итоговый результат.
В проводимом эксперименте оценивали урожай кукурузного зерна по нейронной связи. Выращивали его с использованием различной дозировки удобрений, в основе которых находится азот. Были использованы цифровые и мультиспектральные изображения. Получили их датчиками, установленными на беспилотном устройстве. Когда полученные данные подверглись обработке, то специалистам стала доступна такая информация, как густота насаждения и растительный покров, индексы растительности. Наиболее интересным является коэффициент отображения, который полностью отвечает растительности. Важным является критерий однородности, способный показать степень однородности присутствующего на изображении объекта. Его рассчитывают, взяв во внимание формы и оттенки. Базируется однородность окраса на стандартном возможном отклонении спектральных оттенков. В процедуре сегментации были использованы значения в 10 баллов. При этом показатели компактности и формы составили соответственно 0,5 и 0,1.
Классификация проводилась на основе таких классов, как тени и растительность, тип почвы. Стоит отметить, что интерпретировать модели нейронных связей сегодня является весьма сложной задачей. весы, которые в нейронной связи соединяют нейроны, частично являются аналогичными тем, которые представлены в общей модели линейного типа. При помощи алгоритма Гарсона становится возможным распознать важность относительного типа составляющих для одного типа переменных.
