基于 Transformer 模型的多传感器遥感气象数据葡萄藤病害预测
信息检索
2024-06-12 v1
摘要
早期检测和管理葡萄藤病害对于可持续酿酒业至关重要。本文引入了一种新型框架，利用 TabPFN 模型基于多传感器遥感气象数据预测葡萄藤病害。通过将先进的机器学习技术与详细的环境数据相结合，我们的方法显著提高了葡萄酒庄中病害预测的准确性和效率。TabPFN 模型的实验评估显示，其性能与传统的梯度提升决策树（如 XGBoost、CatBoost、LightGBM）相当。该模型处理复杂数据并提供每个像素的病害影响概率的能力，使我们能够实现精确的、有针对性的干预，从而促进更可持续的病害管理实践。我们的发现凸显了将 Transformer 模型与遥感数据结合用于精密农业的巨大潜力，为改善作物健康和生产率、减少环境影响提供了可扩展解决方案。
关键词
引用
@article{arxiv.2406.07094,
title = {Grapevine Disease Prediction Using Climate Variables from Multi-Sensor Remote Sensing Imagery via a Transformer Model},
author = {Weiying Zhao and Natalia Efremova},
journal= {arXiv preprint arXiv:2406.07094},
year = {2024}
}