Andere Kunden interessierten sich auch für
![Classificação do solo e sugestão de culturas por aprendizagem automática]( "Classificação do solo e sugestão de culturas por aprendizagem automática")
Classificação do solo e sugestão de culturas por aprendizagem automática29,99 €![Nanoparticulas De Silicio Preparadas Usando Ablación Láser]( "Nanoparticulas De Silicio Preparadas Usando Ablación Láser")
Nanoparticulas De Silicio Preparadas Usando Ablación Láser25,99 €![Difusão 3D em Geometria Arbitrária Usando Coordenadas Generalizadas]( "Difusão 3D em Geometria Arbitrária Usando Coordenadas Generalizadas")
Difusão 3D em Geometria Arbitrária Usando Coordenadas Generalizadas34,99 €![FOTOCONDUTIVIDADE DOS CDS]( "FOTOCONDUTIVIDADE DOS CDS")
FOTOCONDUTIVIDADE DOS CDS29,99 €![Dinâmica de Fluidos Complexa :]( "Dinâmica de Fluidos Complexa :")
Dinâmica de Fluidos Complexa :29,99 €![Conceitos modernos em odontologia estética]( "Conceitos modernos em odontologia estética")
Conceitos modernos em odontologia estética39,99 €![Sistema de Conversão de Energia Eólica com Restaurador Dinâmico de Voltagem]( "Sistema de Conversão de Energia Eólica com Restaurador Dinâmico de Voltagem")
Sistema de Conversão de Energia Eólica com Restaurador Dinâmico de Voltagem29,99 €
Nos últimos tempos, em que os sistemas de automatização ganharam a maior prioridade para digitalizar o mundo, o domínio da agricultura desempenha um papel importante no crescimento da economia indiana. A deteção e segmentação de plantas infestantes é um novo problema de investigação no domínio da agricultura. Neste documento, apresentamos um módulo de segmentação de ervas daninhas. O módulo de classificação de ervas daninhas necessita de uma tarefa de processamento de imagem para detetar a existência de uma rede neural para processar a imagem e vários classificadores, como a floresta aleatória, a árvore de decisão e o SVM, são utilizados para classificar a imagem. O módulo de segmentação utiliza a arquitetura U-Net e a CRF densa é utilizada para o pós-processamento, a fim de tornar os limites do objeto mais claros. O desempenho dos classificadores é medido utilizando métricas de avaliação padrão.