4、物联网赋能农业：从产量预估到供应链优化

物联网赋能农业：从产量预估到供应链优化

1. 产量预估方法

传统的多层感知器算法在产量预估方面存在很大局限性。不过，研究人员提出了多种产量预估方法：
- 基于线性平方支持向量机（LS - SVM）的农业产量预估器 ：适用于复杂数据集，可处理分类和回归问题。
- 脉冲神经网络（SNNs） ：借助图像时间序列时空分析和低功耗的神经形态硬件，对中国冬小麦进行测试，能在收获前六周预测产量，准确率达95.64%，误差率为0.236。
- 卷积神经网络（CNN）模型 ：利用无人机遥感图像进行水稻产量预估，在160公顷土地、800个管理单元的区域进行应用。
- 深度学习算法实时预估蔬菜水果产量 ：该模型对阴影、遮挡等情况具有较强的鲁棒性。
- 协同度量方法 ：利用增强型植被指数（EVI）和植被光学厚度（VOD）联合度量相关性进行产量预估，将时间序列结合为汇总统计量。此外，还提出了基于作物产量与指数关系的机器学习预估方法。

预估方法	适用作物	特点
LS - SVM	多种作物	适用于复杂数据集，可处理分类和回归问题
SNNs	冬小麦 <