کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6923803 1448364 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Automatic segmentation of trees in dynamic outdoor environments
ترجمه فارسی عنوان
تقسیم بندی خودکار درختان در محیط های محیطی پویا
کلمات کلیدی
تقسیم بندی، اتوماسیون کشاورزی، شناسایی درخت، چشم انداز در فضای باز،
ترجمه چکیده
تقسیم بندی در محیط های پویا در فضای باز می تواند دشوار باشد زمانی که سطوح روشنایی و سایر جنبه های صحنه را نمی توان کنترل کرد. به خصوص در زمینه اتوماسیون باغ و باغبانی، مواد پس زمینه اغلب برای محافظت از زمینه دید دوربین از سطرهای دیگر محصولات استفاده می شود. در این مقاله، ما یک روش توصیف می کنیم که از ابرهای پیکسل برای تعیین مناطق بافت کم بافت که با مواد پس زمینه مرتبط است، توصیف می شود و سپس نشان می دهد چگونه این اطلاعات را می توان با توزیع رنگ تصویر ترکیب کرد تا پارامترهای تقسیم بندی بهینه را برای محاسبه اشیاء مورد علاقه. آزمایش های کمی و کیفی مناسب بودن این روش را برای محیط های محیطی پویا، مخصوصا برای بازسازی درختان و برنامه های تشخیص گل سیب، نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Segmentation in dynamic outdoor environments can be difficult when the illumination levels and other aspects of the scene cannot be controlled. Specifically in orchard and vineyard automation contexts, a background material is often used to shield a camera's field of view from other rows of crops. In this paper, we describe a method that uses superpixels to determine low texture regions of the image that correspond to the background material, and then show how this information can be integrated with the color distribution of the image to compute optimal segmentation parameters to segment objects of interest. Quantitative and qualitative experiments demonstrate the suitability of this approach for dynamic outdoor environments, specifically for tree reconstruction and apple flower detection applications.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers in Industry - Volume 98, June 2018, Pages 90-99
نویسندگان
, ,