logo móvil
Contáctanos

Detección hiperespectral del suelo potenciada por IA: modelización predictiva del nitrógeno y el fósforo mediante la búsqueda de arquitecturas neuronales

Autores:

Idioma: Inglés

Editor: Davide Cammarano

Año: 2026

Ver Artículo OA

Acceso abierto

Artículo OA


Categoría

Ciencias Medioambientales

Subcategoría

Ciencia y tecnología de los recursos naturales

Palabras clave

Predicción de nitrógeno
Predicción de fósforo
Imágenes hiperespectrales
CNN
Búsqueda de arquitecturas neuronales
Ajuste de hiperparámetros

Licencia

CC BY – Atribución

Consultas: 5

Citaciones: Mapeo y analisis digital de suelos con IA y drones


Descripción

Esta investigación propone un marco inteligente y escalable para predecir el contenido de nitrógeno y fósforo en el suelo sustituyendo los costosos análisis químicos tradicionales. La metodología combinó 286 muestras de campo recolectadas en Dakota del Norte con lecturas hiperespectrales en las regiones VNIR y SWIR, realizando la fusión de datos multisensoriales y aplicando Búsqueda de Arquitectura Neuronal (NAS) para optimizar automáticamente modelos de Redes Neuronales Convolucionales 1D (1D-CNN). Se concluyó que la fusión espectral junto con NAS elevó la precisión de clasificación desde un 0.44 inicial hasta un 0.83, demostrando que el modelo entrenado con datos fusionados sin procesar ofrece el mejor equilibrio entre precisión y bajo costo computacional para su despliegue en agricultura de precisión en tiempo real.

Otros recursos que podrían interesarte

    Temas Virtualpro