Biblioteca122.739 documentos en línea

Artículo

Paddy Crop and Weed Discrimination: A Multiple Classifier System ApproachDiscriminación de cultivos de arroz y maleza: Un enfoque de sistema clasificador múltiple

Resumen

Las malas hierbas son plantas no deseadas que crecen entre los cultivos. Estas malas hierbas pueden reducir considerablemente el rendimiento y la calidad de la producción agrícola. Desgraciadamente, en la mayoría de los casos no se lleva a cabo una gestión específica de las malas hierbas. Es decir, en lugar de tratar un campo con un tipo específico de herbicida, se trata el campo con una aplicación de herbicida al voleo. Esta aplicación al voleo del herbicida ha dado lugar a malas hierbas resistentes a los herbicidas y tiene muchos efectos nocivos para el medio ambiente. Esto ha dado lugar a muchos estudios de investigación para buscar las técnicas más eficaces de gestión de las malas hierbas. Una de estas técnicas es la detección e identificación automática de malas hierbas basada en la visión por ordenador. Con esta técnica se pueden detectar e identificar las malas hierbas y recomendar a los agricultores un herbicida adecuado. Por lo tanto, es importante que la técnica de visión por ordenador identifique y clasifique con éxito los cultivos y las malas hierbas a partir de las imágenes digitales. Este trabajo investiga los sistemas clasificadores múltiples construidos utilizando máquinas de vectores de apoyo y clasificadores de bosque aleatorio para la clasificación de plantas en la clasificación de los cultivos de arroz y las malas hierbas a partir de imágenes digitales. Las imágenes digitales de los cultivos de arroz y las malas hierbas de los campos de arroz se adquirieron utilizando tres cámaras diferentes fijadas a diferentes alturas del suelo. Las características de textura, color y forma se extrajeron de las imágenes digitales tras la sustracción del fondo y se utilizaron para la clasificación. Se utilizó un método sencillo y nuevo como función de decisión en los sistemas de clasificación múltiple. Los sistemas de clasificación múltiple obtuvieron una precisión del 91,36% y superaron a los sistemas de clasificación simple.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento