Computer Vision and Pattern Recognition,Machine Learning,چشم انداز رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات
Submitted 31 August, 2024; originally announced September 2024. , Comments: Beyond Visible Spectrum: AI for Agriculture Challenge, in conjunted with ICPR 2024
توضیحات به فارسی
ارسال 31 اوت 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: فراتر
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Fusarium Head Blight (FHB) is a serious fungal disease affecting wheat (including durum), barley, oats, other small cereal grains, and corn. Effective monitoring and accurate detection of FHB are crucial to ensuring stable and reliable food security. Traditionally, trained agronomists and surveyors perform manual identification, a method that is labor-intensive, impractical, and challenging to scale. With the advancement of deep learning and Hyper-spectral Imaging (HSI) and Remote Sensing (RS) technologies, employing deep learning, particularly Convolutional Neural Networks (CNNs), has emerged as a promising solution. Notably, wheat infected with serious FHB may exhibit significant differences on the spectral compared to mild FHB one, which is particularly advantageous for hyperspectral image-based methods. In this study, we propose a self-unsupervised classification method based on HSI endmember extraction strategy and top-K bands selection, designed to analyze material signatures in HSIs to derive discriminative feature representations. This approach does not require expensive device or complicate algorithm design, making it more suitable for practical uses. Our method has been effectively validated in the Beyond Visible Spectrum: AI for Agriculture Challenge 2024. The source code is easy to reproduce and available at {https://github.com/VanLinLin/Automated-Crop-Disease-Diagnosis-from-Hyperspectral-Imagery-3rd}.
چکیده به فارسی (ترجمه ماشینی)
Fusarium Head Blight (FHB) یک بیماری قارچی جدی است که بر گندم (از جمله دوروم) ، جو ، جو دوسر ، سایر غلات کوچک و ذرت تأثیر می گذارد.نظارت مؤثر و تشخیص دقیق FHB برای اطمینان از امنیت غذایی پایدار و قابل اعتماد بسیار مهم است.به طور سنتی ، زراعتیست ها و نقشه برداران آموزش دیده ، شناسایی دستی را انجام می دهند ، روشی که برای مقیاس کار ، فشرده سازی ، غیر عملی و چالش برانگیز است.با پیشرفت یادگیری عمیق و تصویربرداری بیش از حد طیفی (HSI) و فن آوری های سنجش از دور (RS) ، با استفاده از یادگیری عمیق ، به ویژه شبکه های عصبی حلقوی (CNN) ، به عنوان یک راه حل امیدوارکننده ظاهر شده است.نکته قابل توجه ، گندم آلوده به FHB جدی ممکن است تفاوتهای قابل توجهی در طیفی در مقایسه با FHB خفیف ONE داشته باشد ، که به ویژه برای روشهای مبتنی بر تصویر دارایی سودمند است.در این مطالعه ، ما یک روش طبقه بندی خودبرانی را بر اساس استراتژی استخراج Endmember HSI و انتخاب باند های Top-K ، طراحی شده برای تجزیه و تحلیل امضاهای مواد در HSIS برای به دست آوردن بازنمایی ویژگی های تبعیض آمیز پیشنهاد می کنیم.این روش به دستگاه گران قیمت یا طراحی الگوریتم پیچیده نیاز ندارد و آن را برای استفاده های عملی مناسب تر می کند.روش ما به طور موثری در طیف فراتر از مرئی تأیید شده است: AI برای چالش کشاورزی 2024. کد منبع به راحتی تولید مثل می شود و در {https://github.com/vanlinlin/automated-crop-disease-diagnosis-from-hyperspectral در دسترس است.-Imagery-3rd}.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
