فناوری‌های فوتونیک و لیزر؛
استفاده از روش‌های فراگیری ماشین و پردازش تصویر کامپیوتری به منظور مدیریت بهتر و هوشمندانه‌تر کشاورزی
محققین انگلستانی پلتفرمی را توسعه داده‌اند که با تکنیک‌های پردازش تصویر کامپیوتری و عکس‌های بسیار بزرگ مقیاس که از هوا گرفته می‌شوند، به صورت بهتر و دقیقتر محصولات مزرعه کاهو را دسته بندی کنند.
محققین انگلستانی پلتفرمی را توسعه داده‌اند که با تکنیک‌های پردازش تصویر کامپیوتری و عکس‌های بسیار بزرگ مقیاس که از هوا گرفته می‌شوند، به صورت بهتر و دقیقتر محصولات مزرعه کاهو را دسته بندی کنند.
به منظور بررسی میلیون‌ها کاهو و کلم موجود در تصاویری که توسط پهبادها گرفته شده¬اند، محققین از ترکیب الگوریتم های پردازش کامپیوتری و طبقه‌بندی بر اساس deep-learning که 100 هزار مرتبه با سیگنالهای کاهو¬های علامتگذاری شده آموزش دیده است، استفاده کردند. پلتفرم با دقت بسیار زیادی در حدود 98% توانسته است کلمها را به صورت کمی طبقه‌بندی کند. این گروه نام Air-Surf را برای این سیستم انتخاب کرده‌اند.
همچنین این گروه توابع و برنامه‌هایی را آماده کرده‌اند که مزرعه را بر اساس سایز محصولات طبقه‌بندی می‌کند و کشاورزان را در ارزیابی محصولات و مدیریت بازار فروش یاری می‌کند. این سیستم قادر به اندازه گیری سایز محصولات در مقیاس بزرگ بوده و مشخص می‌نماید که محصولات بزرگ، متوسط یا کوچک هستند.
این زمینه بین رشته‌ای نشان داده است که چطور تکنیک‌های پردازش تصویر و تکنیک‌های یادگیری ماشین می‌توانند با هم ترکیب شده و کمک بسیاری به بهبود بهره‌وری مزارع شوند.
با استفاده از این تکنیک می‌توان کشاورزان را از توزیع اندازه و کیفیت محصولات با جزئیات بیشتری آگاه کرد تا در مورد آبیاری، کوددهی، استراتژی‌های برداشت و برنامه‌ریزی برای زمان فروش محصولات و در نتیجه افزایش بازده و تولید تصمیم بهتری بگیرند. این تحقیق در مجله Horticulture Research چاپ شده است.
منبع:
https://www.photonics.com/Articles/Machine_Learning_and_Computer_Vision_Lead_to/a64805
به منظور بررسی میلیون‌ها کاهو و کلم موجود در تصاویری که توسط پهبادها گرفته شده¬اند، محققین از ترکیب الگوریتم های پردازش کامپیوتری و طبقه‌بندی بر اساس deep-learning که 100 هزار مرتبه با سیگنالهای کاهو¬های علامتگذاری شده آموزش دیده است، استفاده کردند. پلتفرم با دقت بسیار زیادی در حدود 98% توانسته است کلمها را به صورت کمی طبقه‌بندی کند. این گروه نام Air-Surf را برای این سیستم انتخاب کرده‌اند.
همچنین این گروه توابع و برنامه‌هایی را آماده کرده‌اند که مزرعه را بر اساس سایز محصولات طبقه‌بندی می‌کند و کشاورزان را در ارزیابی محصولات و مدیریت بازار فروش یاری می‌کند. این سیستم قادر به اندازه گیری سایز محصولات در مقیاس بزرگ بوده و مشخص می‌نماید که محصولات بزرگ، متوسط یا کوچک هستند.
این زمینه بین رشته‌ای نشان داده است که چطور تکنیک‌های پردازش تصویر و تکنیک‌های یادگیری ماشین می‌توانند با هم ترکیب شده و کمک بسیاری به بهبود بهره‌وری مزارع شوند.
با استفاده از این تکنیک می‌توان کشاورزان را از توزیع اندازه و کیفیت محصولات با جزئیات بیشتری آگاه کرد تا در مورد آبیاری، کوددهی، استراتژی‌های برداشت و برنامه‌ریزی برای زمان فروش محصولات و در نتیجه افزایش بازده و تولید تصمیم بهتری بگیرند. این تحقیق در مجله Horticulture Research چاپ شده است.
منبع:
https://www.photonics.com/Articles/Machine_Learning_and_Computer_Vision_Lead_to/a64805
ارسال به دوستان