Prédiction des adventices de la canne à sucre à La Réunion : une approche par apprentissage supervisé multi-labels
2022
Fabre Ferber, Frédérick | Le Bourgeois, Thomas | Schwartz, Marion | Ripoche, Aude | Gay, Dominique | Auzoux, Sandrine | Laboratoire d'Informatique et de Mathématiques (LIM) ; Université de La Réunion (UR) | Agroécologie et intensification durables des cultures annuelles (UPR AIDA) ; Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad) | Botanique et Modélisation de l'Architecture des Plantes et des Végétations (UMR AMAP) ; Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD [Occitanie])-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)-Université de Montpellier (UM) | Département Systèmes Biologiques (Cirad-BIOS) ; Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad) | Département Performances des systèmes de production et de transformation tropicaux (Cirad-PERSYST) ; Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)
International audience
Show more [+] Less [-]English. In agricultural surveys, weeds are considered as the most harmful pests. We propose a comparative study of multi-label classification algorithms to predict their weediness.The results show that the ML-ARAM and ML-kNN are the most efficient with a need to further improve the predictions.
Show more [+] Less [-]AGROVOC Keywords
Bibliographic information
This bibliographic record has been provided by Institut national de la recherche agronomique