16、智能农业与云计算模拟架构的研究与应用

智能农业与云计算模拟架构的研究与应用

智能农业性能评估

在智能农业领域，对系统性能的评估至关重要。以下是训练阶段和测试阶段的性能指标：
|阶段|名称|值|公式|
|—|—|—|—|
|训练阶段|MSE|0.302|$MSE = \frac{1}{2}\sum_{x = 1}^{n}(P_x - O_x)^2$|
|测试阶段|Accuracy|0.721|$Accuracy = \frac{True Positive + True Negative}{True Positive + True Negative + False Positive + False Negative}$|
|测试阶段|Precision|0.7618|$Precision = \frac{True Positive}{True Positive + False Positive}$|
|测试阶段|Recall|0.7124|$Recall = \frac{True Positive}{True Positive + False Negative}$|
|测试阶段|F1 score|0.741|$F1Score = \frac{2 * True Positive}{2True Positive + False Positive + False Negative}$|

通过对5天待收割稻田图像的分析来确定产量，图像呈现了三种不同类型的稻田：正常状态、风致倒伏和病害感染。研究利用从三角洲地区10日龄稻田收集的数据库来测试平台的有效性，通过浓度标准对稻田性能进行评级。实验结果表明，该系统的准确率约为0.72，比较适合印度的农业实践。不过，该方法的有效性仍可提升，例