دانلود مقاله انگلیسی رایگان:مقیاس کنترل الگوریتم های بینایی ماشین برای تشخیص Rumex و Urtica در چمنزار - 2017

دانلود بهترین مقالات isi همراه با ترجمه فارسی

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
دانلود مقاله انگلیسی بینایی ماشین رایگان
  • Controlled comparison of machine vision algorithms for Rumex and Urtica detection in grassland Controlled comparison of machine vision algorithms for Rumex and Urtica detection in grassland
    Controlled comparison of machine vision algorithms for Rumex and Urtica detection in grassland

    سال انتشار:

    2017


    عنوان انگلیسی مقاله:

    Controlled comparison of machine vision algorithms for Rumex and Urtica detection in grassland


    ترجمه فارسی عنوان مقاله:

    مقیاس کنترل الگوریتم های بینایی ماشین برای تشخیص Rumex و Urtica در چمنزار


    منبع:

    Sciencedirect - Elsevier - Computers and Electronics in Agriculture, 140 (2017) 123-138. doi:10.1016/j.compag.2017.05.018


    نویسنده:

    A. Binch, C.W. Fox


    چکیده انگلیسی:

    Automated robotic weeding of grassland will improve the productivity of dairy and sheep farms while helping to conserve their environments. Previous studies have reported results of machine vision meth- ods to separate grass from grassland weeds but each use their own datasets and report only performance of their own algorithm, making it impossible to compare them. A definitive, large-scale independent study is presented of all major known grassland weed detection methods evaluated on a new standard- ised data set under a wider range of environment conditions. This allows for a fair, unbiased, independent and statistically significant comparison of these and future methods for the first time. We test features including linear binary patterns, BRISK, Fourier and Watershed; and classifiers including support vector machines, linear discriminants, nearest neighbour, and meta-classifier combinations. The most accurate method is found to use linear binary patterns together with a support vector machine.1© 2017 Elsevier B.V. All rights reserved.


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 16
    حجم فایل: 1908 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




آرشیو کامل مقالات

اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

این مقاله را در فیس بوک به اشتراک بگذارید این مقاله را در توییتر به اشتراک بگذارید این مقاله را در لینکداین به اشتراک بگذارید این مقاله را در گوگل پلاس به اشتراک بگذارید این مقاله را در زینگ به اشتراک بگذارید این مقاله را در تلگرام به اشتراک بگذارید

تعداد نظرات : 0

الزامی
الزامی
الزامی
بینایی-ماشین
موضوعات
footer