Machine learning estimators for the quantity and quality of grass swards used for silage production using drone-based imaging spectrometry and photogrammetry

Oliveira, Raquel Alves; Näsi, Roope; Niemeläinen, Oiva; Nyholm, Laura; Alhonoja, Katja; Kaivosoja, Jere; Jauhiainen, Lauri; Viljanen, Niko; Nezami, Somayeh; Markelin, Lauri; Hakala, Teemu; Honkavaara, Eija; https://orcid.org/0000-0001-6721-2065; 4100110210; 4100210710; 4100110210; Luonnonvarakeskus

Machine learning estimators for the quantity and quality of grass swards used for silage production using drone-based imaging spectrometry and photogrammetry

2020

2020

Afficher plus [+]

Mots clés AGROVOC

biomass digestibility drone machine learning neutral detergent fibre nitrogen photogrammetry

Informations bibliographiques

Editeur

American Elsevier Pub. Co.

D'autres materias

Precise agriculture; Random forest; Hyperspectral; Multiple linear regression; Grass sward

Langue

anglais

Format

false

Type

Text; Fi=a1 Alkuperäisartikkeli Tieteellisessä Aikakauslehdessä|sv=a1 Originalartikel I En Vetenskaplig Tidskrift|en=a1 Journal Article (Refereed), Original Research|

Sur AGRIS depuis: 2024-11-28

Date de modification: 2025-10-26

Format: Dublin Core

Fournisseur de données

Cette notice bibliographique a été fournie par Natural Resources Institute Finland

Découvrez la collection de ce fournisseur de données dans AGRIS

Liens

https://jukuri.luke.fi/handle/10024/546681

Consulter Google Scholar

Si vous remarquez des informations incorrectes dans cette référence bibliographique, veuillez nous contacter à l'adresse [email protected]

FAO AGRIS - Système international des sciences et technologies agricoles

Share

Machine learning estimators for the quantity and quality of grass swards used for silage production using drone-based imaging spectrometry and photogrammetry

2020

Mots clés AGROVOC

Informations bibliographiques