一種新型前置式開溝機(jī)的研究設(shè)計(jì)含3張CAD圖帶開題

一種新型前置式開溝機(jī)的研究設(shè)計(jì)含3張CAD圖帶開題,一種,新型,前置,式開溝機(jī),研究,鉆研,設(shè)計(jì),cad,開題 XXX 設(shè)計(jì)(XXX)外文資料翻譯 院 系 ?！　I(yè) 學(xué)生姓名 班級學(xué)號 外文出處 農(nóng)業(yè)機(jī)械學(xué)刊 附件：1.外文資料翻譯譯文（約3000漢字）； 2.外文資料原文(與課題相關(guān)的1萬印刷符號左右)。 指導(dǎo)教師評語： 　　　　　　　　　　　　　　　　　　　　　　　指導(dǎo)教師簽名：　　　　　 　　　　　　　　　　　　　　　　　　　　　　　　　　年　　月　　日 附件：1.外文資料翻譯譯文 機(jī)器視覺識別番茄幼苗的自動(dòng)化控制雜草 L. Tian MEMBER ASAE D. C. Slaughter MEMBER ASAE R. F. Norris 摘要 :機(jī)器視覺系統(tǒng)在番茄幼苗和雜草來檢測和定位商業(yè)農(nóng)業(yè)生態(tài)環(huán)境的開發(fā)和測試。圖片收購農(nóng)產(chǎn)品自然光照下番茄領(lǐng)域進(jìn)行廣泛的研究，以及環(huán)保自適應(yīng)圖像分割算法的開發(fā)是為了提高植物的機(jī)器識別根據(jù)這些條件。該系統(tǒng)能夠識別大多數(shù)的非閉塞目標(biāo)植物子葉，找到植物中心，甚至當(dāng)植物被部分遮擋。所有正確識別個(gè)人目標(biāo)作物的65％至78％和小于5％雜草被錯(cuò)誤地認(rèn)定為作物 關(guān)鍵詞 :機(jī)器視覺，圖案識別，番茄，雜草 引言 農(nóng)業(yè)生產(chǎn)在過去一個(gè)世紀(jì)的革命經(jīng)歷了機(jī)械化。然而，由于工作環(huán)境，植物的特點(diǎn)，或費(fèi)用，有仍然任務(wù)大體保持不變的革命。在1990年的手工勞動(dòng)者的仍可能有百年沒有改變的執(zhí)行繁瑣領(lǐng)域的操作。鑒定個(gè)別作物在外地和他們的確切位置的定位是最重要的之一任務(wù)需要進(jìn)一步自動(dòng)化養(yǎng)殖。隨著技術(shù)的發(fā)展，只有找到個(gè)別工廠，“聰明”的田間作業(yè)機(jī)械發(fā)展到自動(dòng)，準(zhǔn)確地執(zhí)行治療如除草，間苗，化學(xué)應(yīng)用。 機(jī)器視覺系統(tǒng)的早期研究集中戶外領(lǐng)域的應(yīng)用主要是水果收獲機(jī)器人。帕里什和Goksel（1977）的首次研究使用機(jī)器水果收獲于1977年的遠(yuǎn)景。在法國，是發(fā)達(dá)國家在視覺系統(tǒng)CEMAGREF中心摘蘋果（大的Esnon等，1987）。屠宰和Harrel（1989）開發(fā)機(jī)器視覺系統(tǒng)，成功地采摘橘子樹林。水果一般有規(guī)則形狀，而且往往比較時(shí)，其獨(dú)特的顏色區(qū)別背景樹葉的顏色。室外植物鑒定，少的工作已經(jīng)完成。（1990）研究利用機(jī)器視覺定位玉米植株，發(fā)現(xiàn)的主要葉脈從頂視圖。不幸的是，這種技術(shù)是不適用的大多數(shù)雙子葉行作物。 A組在美國加州大學(xué)戴維斯分校的研究人員已經(jīng)開發(fā)出一種機(jī)器 。 機(jī)器視覺系統(tǒng)的早期研究集中戶外領(lǐng)域的應(yīng)用主要是水果收獲機(jī)器人帕里什和Goksel（1977）的首次研究使用機(jī)器水果收獲于1977年的遠(yuǎn)景在法國，是發(fā)達(dá)國家在視覺系統(tǒng)CEMAGREF中心摘蘋果（大的Esnon等，1987）屠宰和Harrel（1989）開發(fā)機(jī)器視覺系統(tǒng)，成功地采摘橘子樹林水果一般有規(guī)則形狀，而且往往比較時(shí)，其獨(dú)特的顏色區(qū)別背景樹葉的顏色室外植物鑒定，少的工作已經(jīng)完成（1990）研究利用機(jī)器視覺定位玉米植株，發(fā)現(xiàn)的主要葉脈從頂視圖不幸的是，這種技術(shù)是不適用的大多數(shù)雙子葉行作物。 A組在美國加州大學(xué)戴維斯分校的研究人員已經(jīng)開發(fā)機(jī)器視覺引導(dǎo)中耕行間種植（屠宰等，1996）這種顏色的機(jī)如作物領(lǐng)域的圖像視覺系統(tǒng)可以識別的作物，如番茄，生菜或棉花甚至當(dāng)雜草鏟除，但它沒有找出個(gè)別植物 。 物體的形狀已被證明是描述生物的最重要途徑之一?？刂剖覂?nèi)環(huán)境下，一些研究人員研究的問題利用機(jī)器視覺識別個(gè)人的生物指標(biāo)語義形狀描述在細(xì)胞學(xué)用于檢測異常細(xì)胞（塔克，1979年）。對于非閉塞植物幼苗物種鑒定，古耶等 （1986年），用于四個(gè)語義的形態(tài)特征和分類器表明，高達(dá)91％的樣本植物可以正確識別woebbecke等。 （1992年）在其研究中使用的一組語義的形態(tài)特征，對植物物種鑒定。使用五個(gè)實(shí)驗(yàn)廠在花盆里種在溫室長大，他們指出，其特點(diǎn)表現(xiàn)為植物的生長階段的職能他們還發(fā)現(xiàn)，特點(diǎn)是敏感的植物物種，一些有用的功能，只有某些植物物種作為一個(gè)信息源，弗蘭茨等葉形 （1991）試圖創(chuàng)建一個(gè)植物的葉子一般描述實(shí)驗(yàn)結(jié)果表明，完全可見葉（無遮擋）。，可確定通過調(diào)整每個(gè)葉與葉的曲率函數(shù)曲率模型對于部分遮擋的樹葉，被用來傅里葉梅林相關(guān)計(jì)算重采樣的曲率與每一個(gè)模型，然后對齊功能 。 植物葉片形狀的機(jī)器視覺識別仍然是在個(gè)人學(xué)習(xí)階段這是可控的室內(nèi)環(huán)境下的盆栽。之間的差異不受控制的室外工作環(huán)境，農(nóng)業(yè)和受控環(huán)境室內(nèi)設(shè)施的要求，為農(nóng)業(yè)部門設(shè)計(jì)的機(jī)器人系統(tǒng)必須更加比工業(yè)和這樣的機(jī)器人系統(tǒng)傳感器適應(yīng)需要這些非結(jié)構(gòu)化環(huán)境中運(yùn)作的能力。 本研究的目的是探討使用機(jī)器視覺的可行性系統(tǒng)以區(qū)別于自然的室外環(huán)境中的個(gè)別作物的雜草商業(yè)農(nóng)業(yè)領(lǐng)域在加工領(lǐng)域的番茄（番茄L.）。被選定為這項(xiàng)研究的目標(biāo)作物種苗工廠階段被選為因?yàn)樗沁m合許多勞工密集的工序（如除草和間伐）。和因?yàn)橹参锶~片閉塞是在其至少在這個(gè)早期階段 。 許多不同的種雜草生長在番茄領(lǐng)域常見的雜草和物種其生長條件的變化在字段為了簡化問題的植物鑒定，番茄植株視覺系統(tǒng)區(qū)別于其他所有的植物物種在這項(xiàng)研究中，發(fā)現(xiàn)在該領(lǐng)域的所有非番茄植物被列為雜草叢生這種做法是符合自動(dòng)除草，把所有的機(jī)器視覺系統(tǒng)的使用雜草中以同樣的方式。 材料與方法 實(shí)驗(yàn)數(shù)據(jù)的收集在體內(nèi)正常加州商業(yè)養(yǎng)殖條件。來自13個(gè)不同的商業(yè)番茄領(lǐng)域采取這項(xiàng)研究的圖像1994年春天本研究選擇的領(lǐng)域的商業(yè)番茄含有番茄植株在發(fā)育年齡不等，從子葉到第一真葉期番茄品種包括哈雷3155，旅和許多其他流行的商業(yè)品種，生長在北加利福尼亞州。在圖像中最常見的雜草包括毛茄。地面櫻桃（酸漿屬），曼陀羅（曼陀羅L.）。黃河莎草（香附黃秋葵L.）。，旋花場（空心菜薄荷L.）。，約翰遜（假高粱（L.）。PERS），和小錦葵（錦葵小花L.）。 圖1所示為戶外圖像采集設(shè)備安裝有兩個(gè)在視覺系統(tǒng)的攝像機(jī)：一個(gè)指導(dǎo)的前置攝像頭，后置攝像頭為中排個(gè)別工廠的檢測前置攝像頭向前傾斜，面臨的行駛方向，允許作物了1至2米的部分，使視覺系統(tǒng)計(jì)算被視為準(zhǔn)確的中心線（屠宰等，1996），正上方的后置攝像頭的位置seedline后方攝像頭直接安裝在鏡頭背后的視覺引導(dǎo)工具欄指出植物向垂直向下，捕捉到的頂視圖圖像覆蓋約130×95毫米的床面積圖像邊緣不再是平行的，這也是旅行的方向平行的seedline索尼CCD-VX3彩色攝像機(jī)（索尼）。被用作后置攝像頭實(shí)時(shí)視頻圖像記錄在Hi8金屬錄像帶所有的圖像進(jìn)行數(shù)字化（脫線）。到24位640×480使用Macintosh IIfx計(jì)算機(jī)，，RasterOps（模型24XLTV）。顏色的像素的RGB彩色圖像圖像采集卡，擷取媒體2.1軟件。 蛇紋石在同一模式，在他們種植的作物，行走過因此，從到，現(xiàn)場實(shí)地的陽光，不時(shí)角度攝錄一體機(jī)快門速度為1/500秒，以防止圖像模糊，不僅因?yàn)槁眯兴俣?，但由于戶外領(lǐng)域的植物可能由于風(fēng)高頻率振蕩 。 基于知識的視覺（KBV，美國人工情報(bào)公司，阿默斯特，MA）。用于系統(tǒng)軟件在Sun SPARC工作站（Sun Microsystems公司，模型的IPX）。算法開發(fā)和評估在C語言編寫的算法，和Common Lisp集成的KBV系統(tǒng)的例行任務(wù)圖像analyis的用于形態(tài)學(xué)特征選擇的SAS / STAT（SAS Institute公司，北卡羅來納州Cary）。統(tǒng)計(jì)和古典判別分析系統(tǒng)評估 。 一個(gè)番茄有一般的綠色，一個(gè)高度不規(guī)則的葉形，和一個(gè)開放式工廠結(jié)構(gòu)，這有助于它是一個(gè)具有挑戰(zhàn)性的作物，以確定在外地至番茄植株和區(qū)分他們從雜草兩個(gè)階段的植物鑒定算法開發(fā)第一階段是一個(gè)顏色前處理段的所有操作植物的背景第二階段是一個(gè)模式識別分析來定位中心，并確定每一個(gè)人的植物類型這些算法進(jìn)行了培訓(xùn)與培訓(xùn)設(shè)置30個(gè)圖像獨(dú)立設(shè)置的271圖像被用來評估系統(tǒng)的性能根據(jù)照明條件和植物的葉子形狀，這些圖像被分為三個(gè)不同的質(zhì)量名為高，公正，貧困群體有在訓(xùn)練集圖像和那些在評價(jià)集和圖像之間沒有重疊在評價(jià)集包 彩色圖像的背景對象，以區(qū)別于植物材料，彩色分割圖像處理步驟進(jìn)行對象分為兩個(gè)分類他們在紅，綠，藍(lán)顏色空間的色差類（植物和背景）。在這研究中，在戶外領(lǐng)域遇到的照明條件的變化無法使用靜態(tài)分割算法。 環(huán)境自適應(yīng)分割算法（EASA）。的想法模擬這使得必要的調(diào)整，以適應(yīng)人類視覺系統(tǒng)戶外工作時(shí)，改變照明環(huán)境 EASA的目的是學(xué)習(xí)當(dāng)?shù)氐臈l件，在各個(gè)領(lǐng)域或每次，包括特定的照明和顏色不同的作物品種，雜草和土壤條件 EASA的一個(gè)內(nèi)核自適應(yīng)或自學(xué)習(xí)過程由于我們的數(shù)據(jù)結(jié)構(gòu)特性圖像被稱為（例如，對象應(yīng)該是綠色，背景什么，但綠色，既對象和背景類分布接近灰度軸，和對象類非常接近正態(tài)分布等）。，修改后的聚類方法稱為partiallysupervised學(xué)習(xí)（PSL），進(jìn)行了介紹。 PSL的過程開始從以前的集每類種子顏色選擇在樣品圖像的像素，然后聚集近鄰（杜達(dá)等人1973年）。，直到所需數(shù)量的一類技術(shù)被發(fā)現(xiàn)然后程序會(huì)顯示操作的分類結(jié)果的顯示方式類對象中的每個(gè)圖像使用不同的顏色運(yùn)營商決定哪些組（S組）。集群地區(qū)，應(yīng)被視為“對象”（番茄子葉）。每個(gè)類的均值和協(xié)方差矩陣進(jìn)行處理，使用貝葉斯分類器（杜達(dá)等人1973年）。發(fā)展一個(gè)查找表（LUT）的實(shí)時(shí)彩色圖像分割 可能要平滑，以消除噪聲的圖像中的物體的邊界邏輯圖像處理用于消除噪音，流暢的不規(guī)則物體邊界，單獨(dú)的對象，稍微觸摸（田等，1993）為了提高識別的準(zhǔn)確性，被用于一個(gè)特殊的對象分割算法稱為流域（文森特等，1991）分離部分閉塞的植物葉子（田等，1993） 確定的13個(gè)形態(tài)特征似乎有承諾為番茄子葉和雜草之間的區(qū)別是：周長（PRI）的邊界像素?cái)?shù)的計(jì)數(shù)，（CEN）的質(zhì)心為對象的區(qū)域的如，所有像素的平均位置圖像中的像素?cái)?shù)（PXC）。是一個(gè)對象的面積，高度。（HET）之間的最大和最小垂直坐標(biāo)加上差異一，寬度（WID中）。之間的最大和最小的水平坐標(biāo)的區(qū)別加一，（MJX和MNX）。的最合適的對象橢圓的長軸和短軸，面積長度（ATL）。的比率被定義為： （CMP），面積比周邊平方。在這項(xiàng)研究中，它是定義為： 伸長率（ELG）是長而窄的對象是如何測量。這是作為最好的長軸和短軸的長度之間的差異計(jì)算適合橢圓形，除以長度的總和 高度寬度（低雜波）比值的對數(shù)了對稱的措施方面對象的比例。的定義是： 廣度（PTB）的周長比是一個(gè)凸區(qū)域的測量。這是定義為： 周長（LTP）的長度比是衡量的2-D的分布格局邊界對象。它被定義為：、 在實(shí)時(shí)系統(tǒng)，以方便他們使用的功能僅限于少超過5個(gè)。由于復(fù)雜的功能之間的互相關(guān)，兩個(gè)啟發(fā)式方法選擇一個(gè)最終的特征子集。個(gè)別的功能，性能和經(jīng)典的判別分析（SAS）表示，CMP，ELG，低雜波，和LTP的子集以下4個(gè)特點(diǎn)：出的13個(gè)研究會(huì)提供最好的結(jié)果（田，1995年）。 為了提高精度和簡化的算法，貝葉斯分類器（耆那教，1989年）被用來建立查找表的實(shí)時(shí)實(shí)現(xiàn)。有了這個(gè)分類，所有的圖像中的對象分為子葉類或雜草類。如果子葉沒有遮擋的分類是有可能成功的雜草或其他子葉。閉塞子葉只能承認(rèn)使用更復(fù)雜的過程。鑒定閉塞子葉被認(rèn)為是必要的解釋全廠的位置。 子葉一旦發(fā)現(xiàn)圖像中，全廠鑒定過程發(fā)起。子葉之間的距離是第一個(gè)屬性，用于確定哪些的子葉應(yīng)該被視為同廠的一部分。從同一植物子葉通常接近對方，通常超過1/2子葉長，除了少。在一個(gè)領(lǐng)域，在其中植物相當(dāng)良好的分離，使用本標(biāo)準(zhǔn)的方法效果相當(dāng)不錯(cuò)。然而，在戶外領(lǐng)域的作物種植彼此非常接近的情況下，與位于任何地方的雜草，這種方法往往會(huì)導(dǎo)致到子葉配對不正確。圖4E節(jié)目預(yù)計(jì)每個(gè)工廠干位置的黑色方塊時(shí)，整個(gè)工廠的定義只根據(jù)子葉之間的距離。為了克服這個(gè)問題，用于在句法結(jié)構(gòu)特征，如葉片大小，相對位置和方向程序來描述整個(gè)廠房結(jié)構(gòu)。一個(gè)算法，采用全廠性質(zhì)領(lǐng)域的植物也可以克服一些以間接的方式部分遮擋的問題。 “這里開發(fā)的算法是基于以下幾點(diǎn)意見。 規(guī)則1。必須有一個(gè)初步的番茄子葉（ITC）的開始。 第2條。干始終是在子葉擴(kuò)展長軸的線。 第3條。一個(gè)閉塞子葉總是屬于一個(gè)更大的PXC值（二進(jìn)制對象圖像對象的面積）作為分類子葉相比。 第4條。閉塞的子葉是在雜草中的子集最近在眼前的對象鄰里分類子葉。 第5條。造成不正確的顏色，極端的立場，或扭曲的形狀不完整的子葉總是有較完整的子葉小PXC值。 第6條。如果有另一個(gè)番茄子葉（ATC）在不久的居委會(huì)（定義為圓直徑1.5* MJX國貿(mào)中心），與ITC配對以下屬性： 1）。必須最接近的ITC MJX內(nèi)向的結(jié)束點(diǎn)（EDP）; 2）。電算化是最接近德祥岑; 3）。的PXC德祥PXC之間60％至130％; 4）。角度之間MJXs的（一）是最小的和不大于20度，如圖2所示。 第7條。如果沒有子葉內(nèi)的近鄰，但一個(gè)可能的部分閉塞的番茄子葉（OTC）的退出，與ITC配對具有以下特點(diǎn)： 1）。閉塞子葉配對是PXC了一個(gè)更大的比國際貿(mào)易中心，位于附近的EDP，在一個(gè)角度B <80度。所示在圖3中。 2）。最大距離，在圖3，兩者之間的邊界相交在從ITC接近年底的徑向線點(diǎn)是大于80％德祥MJX。 圖2 圖3 第8條。如果有沒有在附近鄰里子葉（或可能閉塞之一），但可能不完整的番茄子葉（S）系統(tǒng)（ETC），將與ITC配對是： 1）。與岑最接近德祥MJX。 2）。與岑德祥岑國際貿(mào)易中心的EDP之一。 第9條。如果沒有其他的對象，這將成為在不久的子葉對居委會(huì)，挑選一個(gè)的電算化隨機(jī)，并延長了25％，從這個(gè)電算化的MJX干。 結(jié)果與討論 訓(xùn)練與一個(gè)或兩個(gè)圖像相同的圖像顏色分割的LUT數(shù)據(jù)集正在處理中。這意味著他們從類似現(xiàn)場條件。這相當(dāng)于在現(xiàn)實(shí)生活制度，按需培訓(xùn)過程。實(shí)際野外條件下，系統(tǒng)捕獲培訓(xùn)LUT的照明或現(xiàn)場條件改變時(shí)，每個(gè)新形象。在實(shí)驗(yàn)室系統(tǒng)，創(chuàng)建一個(gè)新的LUT時(shí)，發(fā)現(xiàn)一個(gè)新的形象相當(dāng)其照明和野外條件下的不同。圖4b顯示了一個(gè)字段分割的結(jié)果使用彩色LUT的形象。分水嶺算法處理閉塞葉片的例子確定在黑番茄子葉和灰色的“野草”，圖4d所示。 四個(gè)形態(tài)特征（CMP，ELG，低雜波，和LTP）被發(fā)現(xiàn)，以提供高兩個(gè)類（子葉葉片和非子葉葉片），數(shù)字之間的分離度5。葉識別進(jìn)行了實(shí)驗(yàn)，測試訓(xùn)練數(shù)據(jù)選定4個(gè)功能子集的性能。這種分類的結(jié)果是非常有前途的。在訓(xùn)練集，超過95％的番茄子葉進(jìn)行正確分類。更多超過98％非子葉雜草類被分配正確。整體誤差為3.27％。 例如使用整個(gè)工廠syntatic算法的最終干的位置顯示在圖4F（預(yù)測莖黑色正方形）。當(dāng)與使用結(jié)果基于距離的配對（圖4E）在正確的干安置的改善可以看出。這個(gè)句法過程經(jīng)常導(dǎo)致正確的干的位置，甚至當(dāng)植物接近對方。 超過65％的番茄幼苗，在271場的雜草和超過95％試驗(yàn)驗(yàn)證集圖像被正確識別，機(jī)器視覺算法表3。表3中，“子葉”是指葉片檢測結(jié)果有4個(gè)功能分類和“植物”是指成功確認(rèn)整個(gè)番茄植物的百分比句法過程。在所有三種不同的圖像質(zhì)量組，主要是由于失敗嚴(yán)重重疊的樹葉，植物葉片的位置，不容許其形態(tài)待觀察（即垂直葉）的功能，或光照條件較差。算法失敗前兩個(gè)發(fā)生隨機(jī)原因造成。算法故障造成照明變化會(huì)發(fā)生在一個(gè)幀序列。這可以很容易地檢測到故障計(jì)算機(jī)。在原型系統(tǒng)中，一個(gè)新的分類將培訓(xùn)和創(chuàng)建一個(gè)新的LUT當(dāng)一個(gè)失敗的幀序列進(jìn)行了觀察。 表3.整個(gè)工廠的識別結(jié)果. 為了提供最大的作物的立場估計(jì)和剩余的雜草沿seedline后一個(gè)假設(shè)的雜草控制操作使用機(jī)器視覺算法，整個(gè)番茄植株，正確認(rèn)識和雜草葉片錯(cuò)誤地確認(rèn)每米計(jì)算，表4。從理論上講，平均每米1.2雜草葉片會(huì)離開后，應(yīng)用后，這臺(tái)機(jī)器視覺算法為基礎(chǔ)的除草作業(yè)。在作為番茄子葉確定每個(gè)葉全廠syntatic算法導(dǎo)致系統(tǒng)定位在該領(lǐng)域的全廠。因此，錯(cuò)誤地確定為番茄葉雜草會(huì)被錯(cuò)誤地允許0.82除草后在這項(xiàng)研究中號每一次生存。如果變薄被刪除一半，余下的植物，雜草的數(shù)量可能生存將下降到每1.6米。 表4.植物沿seedline識別的結(jié)果. 為正確的番茄識別率明顯高于子葉。許多植物的鑒定只是基于一個(gè)子葉和信息立即面積，子葉。超過所有的成功識別率在外地的番茄植株大于在圖像的番茄植株的65％。這是遠(yuǎn)遠(yuǎn)高于后，通常保持目前的除草和植物的百分比細(xì)化操作。從理論上說，每米的番茄植株提供所需的產(chǎn)量在一個(gè)典型的加工番茄領(lǐng)域。如果是在外地使用的原型系統(tǒng)，番茄，其余基于機(jī)器視覺的除草操作后（每米）植物的數(shù)如表4所示。所需的番茄植株總數(shù)的兩倍以上細(xì)化操作后，將繼續(xù)除草。 結(jié)論 采用室外自然光的機(jī)器視覺系統(tǒng)的可行性番茄幼苗和雜草的區(qū)別是證明。環(huán)保自適應(yīng)圖像分割算法被用來減少與變化相關(guān)的問題在光照變化時(shí)發(fā)生的，由于天時(shí)間，現(xiàn)場條件，甚至在顏色番茄植株的特點(diǎn)。該算法擴(kuò)展動(dòng)態(tài)范圍的眼光傳感系統(tǒng)，以滿足室外照明條件。 對象分割方法，以盡量減少阻塞問題經(jīng)常出現(xiàn)在現(xiàn)場時(shí)，番茄和雜草幼苗生長并攏。二進(jìn)制分水嶺算法表明，子葉，可以成功地分離阻斷植物重疊小時(shí)。四個(gè)語義的形態(tài)特征，用來區(qū)分番茄子葉雜草樹葉和整個(gè)工廠syntatic算法被用來預(yù)測全廠干的位置。使用這種技術(shù)超過65％的番茄植株成功偵破。 致 謝 一直支持這項(xiàng)研究由加州番茄研究所（中央煙草研究所）和大學(xué)加州有害生物綜合治理項(xiàng)目。 （a） 圖1。安裝的設(shè)備，（一）設(shè)置的頂視圖（二）相機(jī)詳細(xì)架。工具欄被控制在該領(lǐng)域的種子行。 一）原彩色圖像的灰度版本 B）彩色分割圖像（平滑處理） C）平滑后的二進(jìn)制圖像 D）切割后的子葉鑒定 E）基于距離子葉配對干細(xì)胞的位置 F）基于語法的的子葉配對干的位置 圖4。 圖5訓(xùn)練集葉功能的散點(diǎn)圖選擇分類。=子葉; X =其他植物的葉子。