Hackpad 封存器 - hadad

FBTUG 子專案-辨識與機器學習

← 回到文章

編輯歷史

時間 作者 版本
2017-05-13 07:23 – 07:23 wuulong sheu r440 – r443
顯示 diff
（50 行未修改）
植物生長指標 NDVI 相關研究
計算種子數量
+ *利用電腦視覺計算種子發芽數目
參考
（1 行未修改）
2017-05-07 22:05 – 22:08 wuulong sheu r422 – r439
顯示 diff
（39 行未修改）
照片收集方式
*由於收集完的照片需要適當的歸檔，裡面的特徵需要額外的標示。這些都會需要一些研究與額外的工作。在一開始嘗試的時候，由於數量不大，不搞這麼複雜。直接開一個目錄在 FarmBot_Public 就好，建議目錄在此
+
+ Code
+ *github
*
目前進展
（3 行未修改）
計算植物覆蓋比率
植物生長指標 NDVI 相關研究
- 程式碼：https://github.com/ch-tseng/farmbot
+ 計算種子數量
參考
（1 行未修改）
2017-03-21 16:16 – 16:19 Cheng Hsun Tseng r361 – r421
顯示 diff
（43 行未修改）
雜草辨識
瓢蟲辨識
+ 植物辨識：可使用合併使用Color, Haralick texture, LBP...等特徵值。
計算植物覆蓋比率
植物生長指標 NDVI 相關研究
（4 行未修改）
2017-03-21 15:17 – 15:18 楊人豪 r338 – r360
顯示 diff
（45 行未修改）
計算植物覆蓋比率
植物生長指標 NDVI 相關研究
+ 程式碼：https://github.com/ch-tseng/farmbot
參考
（1 行未修改）
2017-03-07 22:50 – 22:51 wuulong sheu r326 – r337
顯示 diff
（45 行未修改）
計算植物覆蓋比率
植物生長指標 NDVI 相關研究
+
+ 參考
+ *列出可以實做的方向供參考
2017-03-06 13:28 – 13:29 Chong Lin r324 – r325
顯示 diff
（47 行未修改）
2017-03-06 04:54 – 05:25 tc Lin r283 – r323
顯示 diff
（32 行未修改）
機器學習項目
*[ 發想中 ]
+ *1.除草/除蟲自動化 (機器視覺)
+ *2.澆水/施肥排程自動化 (sensor data)
+ *3.熟成採收通知自動化 (機器視覺)
+ *4.設備保修通知自動化 (sensor data)
照片收集方式
（7 行未修改）
2017-03-06 04:14 – 04:15 wuulong sheu r261 – r282
顯示 diff
- FarmBot 子專案-辨識與機器學習
+ FBTUG 子專案-辨識與機器學習
緣起
（3 行未修改）
*chenghsun.tseng
*
+ 帶起步驟
+ *感興趣主題討論
+ *選擇合適的第一主題
+ *收集適合的照片
+ *系統設計
+ *...
+
主題選擇
[ 請自入 ]
（26 行未修改）
2017-03-06 02:31 – 02:50 wuulong sheu r168 – r260
顯示 diff
（2 行未修改）
緣起
*搞 FarmBot 只弄自動化，怎麼會夠挑戰性。當然要加入辨識與機器學習的元素。
-
+ 主要 Coordinator
+ *chenghsun.tseng
+ *
主題選擇
[ 請自入 ]
（4 行未修改）
*.建議相片至少VGA尺寸(30萬像素)以上。
*可參考李飛飛創建的圖片資料庫Caltech-101（http://www.vision.caltech.edu/Image_Datasets/Caltech101）或Caltech256（http://www.vision.caltech.edu/Image_Datasets/Caltech256/）
+
+ 辨識項目
+ *[ 發想中 ]
+ *植物所佔比例
+ *植物生長指標
+ *土壤特性指標
+ *motion detection 指標
+ *每棵植物的比較指標
+ *
+ 機器學習項目
+ *[ 發想中 ]
+ 照片收集方式
+ *由於收集完的照片需要適當的歸檔，裡面的特徵需要額外的標示。這些都會需要一些研究與額外的工作。在一開始嘗試的時候，由於數量不大，不搞這麼複雜。直接開一個目錄在 FarmBot_Public 就好，建議目錄在此
+ *
目前進展
+ 雜草辨識
+ 瓢蟲辨識
+ 計算植物覆蓋比率
+ 植物生長指標 NDVI 相關研究
2017-03-06 02:30 – 02:30 Cheng Hsun Tseng r164 – r167
顯示 diff
（10 行未修改）
*Training 需要的最小數量：6
(6)張要作training坦白說的確是還不夠的, 不過介時若累積到了一定數目可以先開始試看看
- *...1相片至少VGA尺寸(30萬像素)以上。
+ *.建議相片至少VGA尺寸(30萬像素)以上。
*可參考李飛飛創建的圖片資料庫Caltech-101（http://www.vision.caltech.edu/Image_Datasets/Caltech101）或Caltech256（http://www.vision.caltech.edu/Image_Datasets/Caltech256/）
（1 行未修改）
2017-03-06 02:30 – 02:30 wuulong sheu r162 – r163
顯示 diff
（16 行未修改）
2017-03-06 02:30 Cheng Hsun Tseng r161
顯示 diff
（11 行未修改）
(6)張要作training坦白說的確是還不夠的, 不過介時若累積到了一定數目可以先開始試看看
*...1相片至少VGA尺寸(30萬像素)以上。
- *可參考李飛飛創建的圖片資料庫Caltech-101（http://www.vision.caltech.edu/Image_Datasets/Caltech101）或Caltech256（）
+ *可參考李飛飛創建的圖片資料庫Caltech-101（http://www.vision.caltech.edu/Image_Datasets/Caltech101）或Caltech256（http://www.vision.caltech.edu/Image_Datasets/Caltech256/）
目前進展
2017-03-06 02:30 – 02:30 wuulong sheu r157 – r160
顯示 diff
（12 行未修改）
*...1相片至少VGA尺寸(30萬像素)以上。
*可參考李飛飛創建的圖片資料庫Caltech-101（http://www.vision.caltech.edu/Image_Datasets/Caltech101）或Caltech256（）
+
+ 目前進展
2017-03-06 02:20 – 02:29 Cheng Hsun Tseng r62 – r156
顯示 diff
（9 行未修改）
基本主題所需要收集的照片建議
*Training 需要的最小數量：6
-
- *...1
+ (6)張要作training坦白說的確是還不夠的, 不過介時若累積到了一定數目可以先開始試看看
+ *...1相片至少VGA尺寸(30萬像素)以上。
+ *可參考李飛飛創建的圖片資料庫Caltech-101（http://www.vision.caltech.edu/Image_Datasets/Caltech101）或Caltech256（）
2017-03-06 02:13 – 02:16 wuulong sheu r3 – r61
顯示 diff
（1 行未修改）
緣起
+ *搞 FarmBot 只弄自動化，怎麼會夠挑戰性。當然要加入辨識與機器學習的元素。
+
+
+ 主題選擇
+ [ 請自入 ]
+
+ 基本主題所需要收集的照片建議
+ *Training 需要的最小數量：6
+
+ *...1
2017-03-06 02:13 (unknown) r2
顯示 diff
（3 行未修改）
2017-03-06 02:13 wuulong sheu r1
顯示 diff
FarmBot 子專案-辨識與機器學習
+
+ 緣起
2017-03-06 02:12 (unknown) r0
顯示 diff
-
+ FarmBot 子專案-辨識與機器學習