用于作物质量评估的物理引导逆回归
统计方法学
2024-03-14 v1
摘要
我们提出了一种利用物理引导神经网络 (PGNN) 来增强农业质量评估的创新方法。我们方法的核心是应用物理引导逆回归，该技术显著提高了模型精确预测作物质量指标的能力。这种方法直接应对了传统评估方法面临的可扩展性、速度和实用性挑战。通过将物理原理，特别是菲克扩散第二定律，整合到神经网络架构中，我们开发的 PGNN 模型在增强评估的可解释性和准确性方面取得了显著进步。在黄瓜和蘑菇上进行的实证验证表明，我们的模型在采后质量评估中优于传统计算机视觉技术，展现了卓越的能力。这凸显了我们的贡献，即为全球食品供应的紧迫需求提供了一个可扩展且高效的解决方案。
引用
@article{arxiv.2403.08653,
title = {Physics-Guided Inverse Regression for Crop Quality Assessment},
author = {David Shulman and Assaf Israeli and Yael Botnaro and Ori Margalit and Oved Tamir and Shaul Naschitz and Dan Gamrasni and Ofer M. Shir and Itai Dattner},
journal= {arXiv preprint arXiv:2403.08653},
year = {2024}
}