Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
 Görüntüleme 14
 İndirme 3
A Learning Techniques of Convolutional Neural Network (CNN) for Pest Diagnosis in Grapes Crop
2021
Dergi:  
Turkish Online Journal of Qualitative Inquiry
Yazar:  
Özet:

As India is an Agricultural based country, its economic stability depends on agriculture. Now a days due to technological advances in the digital world, production of crops has also increased, and along with this disease infection in crops has also grown. Manual detection of pests using plants parts like leaves, stem, roots is time consuming and non-availability of timely help from experts which is time consuming and costly. Also spraying the pesticides cannot be the all-time solution as pesticides leave behind many adverse effects, such as reduction in the fertility of soil as well as health issues to the workers. To overcome these problems has led to the early detection of pests using an expert system is need of an hour. In this paper researcher has presented review of research articles based on pest detection using Image Processing, machine learning and deep learning techniques such as Convolution Neural Networks which is best suitable to extract features from the diseased leaves images and classify them

Anahtar Kelimeler:

0
2021
Yazar:  
Atıf Yapanlar
Bilgi: Bu yayına herhangi bir atıf yapılmamıştır.
Benzer Makaleler












Turkish Online Journal of Qualitative Inquiry

Alan :   Eğitim Bilimleri

Dergi Türü :   Uluslararası

Metrikler
Makale : 4.283
Atıf : 1.163
2023 Impact/Etki : 0.002
Turkish Online Journal of Qualitative Inquiry