Détection et segmentation des mauvaises herbes à l'aide de l'apprentissage profond
WDS utilisant DL
Versandkostenfrei!
Versandfertig in 6-10 Tagen
29,99 €
inkl. MwSt.
PAYBACK Punkte
15 °P sammeln!
Ces derniers temps, alors que les systèmes d'automatisation ont acquis la plus haute priorité pour numériser le monde, le domaine de l'agriculture joue un rôle majeur dans la croissance de l'économie indienne. La détection et la segmentation des plantes adventices est un nouveau problème de recherche dans le domaine de l'agriculture. Dans cet article, nous présentons un module de segmentation des mauvaises herbes. Le module de classification des mauvaises herbes nécessite une tâche de traitement d'image afin de détecter l'existence d'un réseau neuronal pour traiter l'image et diver...
Ces derniers temps, alors que les systèmes d'automatisation ont acquis la plus haute priorité pour numériser le monde, le domaine de l'agriculture joue un rôle majeur dans la croissance de l'économie indienne. La détection et la segmentation des plantes adventices est un nouveau problème de recherche dans le domaine de l'agriculture. Dans cet article, nous présentons un module de segmentation des mauvaises herbes. Le module de classification des mauvaises herbes nécessite une tâche de traitement d'image afin de détecter l'existence d'un réseau neuronal pour traiter l'image et divers classificateurs tels que la forêt aléatoire, l'arbre de décision, le SVM sont utilisés pour classer l'image. Le module de segmentation utilise l'architecture U-Net et le CRF dense est utilisé pour le post-traitement afin de rendre les limites de l'objet plus claires. Les performances des classificateurs sont mesurées à l'aide de mesures d'évaluation standard.
Andere Kunden interessierten sich für
