ข้อมูลจากบทคัดย่อ
การทบทวนตาม PRISMA รวม 83 การศึกษาช่วงปี 2558–2568 พบว่า convolutional neural networks เป็นวิธีหลักและโดยทั่วไปให้ความแม่นยำสูง ขณะที่การผสานแมชชีนเลิร์นนิงแบบดั้งเดิม การหาค่าที่เหมาะสม และคุณลักษณะที่ออกแบบด้วยมือช่วยเพิ่มความทนทาน ภาพส่วนใหญ่มาจากฐานข้อมูลสาธารณะหรือสมาร์ตโฟน และธัญพืชเป็นกลุ่มที่ศึกษามากที่สุด แม้ผลในชุดข้อมูลมักดี การนำไปใช้จริงยังต้องรับมือความต่างของแสง ฉากหลัง ระยะเจริญ พื้นที่ และความโปร่งใสของการแบ่งชุดข้อมูล
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 76/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Smart Agriculture and AI · Spectroscopy and Chemometric Analyses · Innovations in Aquaponics and Hydroponics Systems
บทบาทของนักวิจัยและสถาบันไทย
Pavit Tangwongkit · Subhankar Debnath · Avishek Datta · Sushil Kumar Himanshu · Asian Institute of Technology
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง