Andere Kunden interessierten sich auch für
![Synthèse de NPs de TiO2 pures et dopées au Ni à l'aide d'un extrait de feuille de papaye]( "Synthèse de NPs de TiO2 pures et dopées au Ni à l'aide d'un extrait de feuille de papaye")
Synthèse de NPs de TiO2 pures et dopées au Ni à l'aide d'un extrait de feuille de papaye29,99 €![Détection de défauts des systèmes non linéaires à incertitudes bornées]( "Détection de défauts des systèmes non linéaires à incertitudes bornées")
Détection de défauts des systèmes non linéaires à incertitudes bornées62,99 €![Détection et Diagnostic des Défauts de Moteurs par Analyse vibratoire]( "Détection et Diagnostic des Défauts de Moteurs par Analyse vibratoire")
Détection et Diagnostic des Défauts de Moteurs par Analyse vibratoire40,99 €![Identification de barre de ferraillage par inspection au Géoradar]( "Identification de barre de ferraillage par inspection au Géoradar")
Identification de barre de ferraillage par inspection au Géoradar36,99 €![Principes de fonctionnement des radars]( "Principes de fonctionnement des radars")
Principes de fonctionnement des radars36,99 €![Surveillance et évaluation des risques naturels atmosphériques à l'aide de données de télédétection]( "Surveillance et évaluation des risques naturels atmosphériques à l'aide de données de télédétection")
Surveillance et évaluation des risques naturels atmosphériques à l'aide de données de télédétection39,99 €![Segmentation et Classification des signaux non-stationnaires]( "Segmentation et Classification des signaux non-stationnaires")
Segmentation et Classification des signaux non-stationnaires51,99 €
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.