In the second test, two trials, con

In the second test, two trials, consisting of 2 scans per plant per trial, were conducted at a vehicle speed of 3 km/h. In this test, dual.NDVI measurements falling within the defined regions-of-classification were aggregated, with an experimental aggregation threshold used to generate a single plant strike decision. The aggregation threshold was manually set so that the effects of threshold level on system performance could be ascertained. Measured dual NDVI values falling outside the regions-of-classification were ignored. In the first trial, Anthurium and Dandelion were the target plants, while in the second trial, the target plants were Sunkisses and Dandelion. For ease of interpretation, the results obtained are presented in the form of scatter plots in Figs. 19–22, with two scatter plots given per test plant. The first scatter plot displays the distribution of the accepted dual NDVI values calculated from the measured spectral reflectance, with respect to the defined regions-of-classification. The second scatter plot illustrates the discrimination algorithm output after aggregating and thresholding the accepted NDVI values. Fig. 19(a) shows the distribution of the calculated dual NDVI values for Anthurium, for a vehicle speed of 3 km/h. It is noticed that with no NDVI aggregation, overlap of the regions-ofclassification leads to the misclassification of Anthurium asSunkisses and Dandelion, thus degrading the accuracy of the PDU. Fig. 19(b) shows the distribution of the NDVI values for Anthurium when the discrimination algorithm included data aggregation with a threshold of 15. In this case, a single point, representing the mean of the bivariate (NDVI635, NDVI685) data, is displayed in the RoC of Anthurium, indicating a correct discrimination result.
Fig. 20(a) shows the distribution of the dual NDVI values calculated from the spectral reflectance measurements for Sunkisses, for a vehicle speed of 3 km/h. With no data aggregation, overlap is seen between the regions-of-classification for Sunkisses and Dandelion, leading to the misclassification of Sunkisses as Dandelion. Using data aggregation with a threshold of 3, a single point can be attained in the RoC of Sunkisses, as displayed in
Fig. 20(b).
The distribution of the dual NDVI values for Dandelion is shown in Fig. 21(a), for a vehicle speed of 3 km/h. Again, the overlap between the regions-of-classification for Dandelion and Sunkisses is overcome using data aggregation with a threshold of 7, as evidenced from Fig. 21(b).
Finally, it is important to mention that when the vehicle speed was increased to 6 km/h, the aggregation algorithm failed to discriminate between Dandelion and Sunkisses even when thresholding has been optimised. In this case, the distribution of the dual NDVI values for Dandelion is shown in Fig. 22(a).
The overlap between the regions-of-classification for Dandelion and Sunkisses cannot be overcome using strike aggregation with an optimum threshold of 10, as evidenced from Fig. 22(b). This is attributed to the real-time processing constraint discussed in Section 2.2.1. The improvement of the discrimination accuracy at high vehicle speeds requires (i) a higher speed, low noise, high sensitivity line scan sensor, (ii) a faster analogue-to-digital converter, and (iii) reduction of the exposure time of the sensor, which depends on the output laser intensities.

ผลลัพธ์ (ไทย) 1:

ในการทดสอบสอง ทดลองสอง ประกอบด้วย 2 แกนต่อพืชต่อทดลอง ได้ดำเนินที่ความเร็วรถของ 3 km/h ในการทดสอบนี้ สอง วัด NDVI อยู่ภายในการกำหนดขอบเขตของจัดประเภทถูกรวม มีขีดจำกัดรวมทดลองที่ใช้ในการสร้างการตัดสินใจหยุดงานโรงงานเดียวกัน จำกัดรวมถูกตั้งค่าด้วยตนเองเพื่อให้สามารถ ascertained ผลกระทบของระดับขีดจำกัดในประสิทธิภาพของระบบ วัดคู่ NDVI ค่าตกนอกขอบเขตประเภทถูกละเว้น ในการทดลองครั้งแรก หน้าวัวและ Dandelion มีพืชเป้าหมาย ในขณะที่ในการทดลองที่สอง พืชเป้าหมายได้ Sunkisses และ Dandelion เพื่อให้ง่ายต่อการตีความ มีแสดงผลได้รับในรูปแบบของผืนกระจายใน Figs. 19-22 มีสองผืนการกระจายให้ต่อพืชทดสอบ กระจายพล็อตแรกแสดงการกระจายของการยอมรับคู่ NDVI ค่าคำนวณจากการวัดสเปกตรัมแบบสะท้อนแสง เกี่ยวกับการกำหนดขอบเขตของจัดประเภท แผนการกระจายสองแสดงผลอัลกอริทึมแบ่งแยกหลังจากรวบรวมและการ thresholding ค่า NDVI ยอมรับ Fig. 19(a) แสดงการกระจายของค่า NDVI สองคำนวณสำหรับหน้าวัว สำหรับรถความเร็วของ 3 km/h สังเกตเห็นว่า มีรวมไม่ NDVI ทับซ้อนของภูมิภาค-ofclassification นำไป misclassification asSunkisses หน้าวัวและ Dandelion จึง ลดความแม่นยำของ PDU Fig. 19(b) แสดงการกระจายของค่า NDVI หน้าวัวเมื่ออัลกอริทึมแบ่งแยกรวมรวมข้อมูล มีขีดเริ่มของ 15 ในกรณีนี้ เดียวชี้ แสดงค่าเฉลี่ยของการ bivariate (NDVI635, NDVI685) แสดงข้อมูลใน RoC ของหน้าวัว แสดงผลอย่างถูกต้องFig. 20(a) แสดงการกระจายของค่า NDVI คู่ที่คำนวณจากการวัดแบบสะท้อนแสงที่สเปกตรัมสำหรับ Sunkisses สำหรับรถความเร็วของ 3 km/h โดยไม่รวมข้อมูล ทับซ้อนจะเห็นได้ระหว่างภูมิภาคของจัดประเภทสำหรับ Sunkisses และ Dandelion นำไปสู่การ misclassification ของ Sunkisses เป็น Dandelion ใช้ข้อมูลรวมกับขีดจำกัด 3 จุดเดียวสามารถจะบรรลุใน RoC Sunkisses ตามที่ปรากฏในFig. 20(b)แสดงการกระจายของค่า NDVI คู่ Dandelion ใน Fig. 21(a) สำหรับรถความเร็วของ 3 km/h อีก ทับซ้อนระหว่างภูมิภาคของจัดประเภทสำหรับ Dandelion และ Sunkisses จะเอาชนะด้วยรวมข้อมูลจำกัด 7 เป็นเป็นหลักฐานจาก Fig. 21(b) ในที่สุด มันจะต้องพูดถึงเมื่อความเร็วรถเพิ่มขึ้นถึง 6 km/h อัลกอริทึมรวมไม่สามารถเหยียดระหว่าง Dandelion และ Sunkisses แม้ thresholding ได้ถูกเหมาะงานกราฟฟิก ในกรณีนี้ การกระจายของค่า NDVI คู่ Dandelion แสดงใน Fig. 22(a)เหลื่อมกันระหว่างภูมิภาคของจัดประเภทสำหรับ Dandelion และ Sunkisses ไม่สามารถเอาชนะรวมนัดหยุดงานด้วยขีดจำกัดเหมาะสม 10 เป็นเป็นหลักฐานจาก Fig. 22(b) นี้จะเกิดจากข้อจำกัดของการประมวลผลแบบเรียลไทม์ที่กล่าวถึงในหัวข้อ 2.2.1 ปรับปรุงความถูกต้องอย่างที่ความเร็วสูงรถต้อง (i) ความเร็วสูง เสียงรบกวนต่ำ เซ็นเซอร์ความไวสูงเส้นสแกน, (ii) การแปลงอนาล็อกดิจิตอลเร็ว และ (iii) ลดเวลาเปิดรับแสงของเซนเซอร์ ซึ่งขึ้นอยู่กับการปลดปล่อยก๊าซเลเซอร์ออก

ผลลัพธ์ (ไทย) 2:

ในการทดสอบครั้งที่สองทั้งสองการทดลองประกอบด้วย 2 สแกนต่อต้นต่อการพิจารณาคดีได้ดำเนินการที่ความเร็วรถ 3 กิโลเมตร / ชั่วโมง ในการทดสอบนี้วัด dual.NDVI ตกอยู่ในภูมิภาคของการจัดหมวดหมู่ที่กำหนดไว้ถูกรวมกับเกณฑ์การรวมตัวทดลองใช้ในการสร้างการตัดสินใจการนัดหยุดงานโรงงานเดียว เกณฑ์การรวมได้รับการตั้งค่าด้วยตนเองเพื่อให้ผลกระทบของระดับเกณฑ์ในการทำงานของระบบจะมีการตรวจสอบ คู่วัดค่า NDVI ล้มนอกภูมิภาคของการจัดหมวดหมู่ถูกละเลย ในการทดลองแรกหน้าวัวและ Dandelion เป็นพืชเป้าหมายในขณะที่ในการทดลองที่สองพืชเป้าหมายเป็น Sunkisses และ Dandelion เพื่อความสะดวกในการตีความผลที่ได้รับจะถูกนำเสนอในรูปแบบของแผนการกระจายในมะเดื่อ วันที่ 19-22 มีสองแปลงกระจายต่อต้นได้รับการทดสอบ พล็อตแรกจะแสดงการกระจายการจัดจำหน่ายได้รับการยอมรับคู่ค่า NDVI คำนวณจากการสะท้อนเงาวัดที่เกี่ยวกับภูมิภาคของการจัดหมวดหมู่ที่กำหนดไว้ พล็อตที่สองแสดงให้เห็นถึงการกระจายการส่งออกขั้นตอนวิธีการเลือกปฏิบัติหลังจากที่รวมกันและได้รับการยอมรับ thresholding ค่า NDVI รูป 19 (ก) แสดงให้เห็นถึงการกระจายตัวของคู่คำนวณค่า NDVI สำหรับหน้าวัวสำหรับความเร็วของยานพาหนะ 3 กิโลเมตร / ชั่วโมง จะพบว่ามีการรวมตัว NDVI ไม่มีการทับซ้อนของภูมิภาค ofclassification นำไปสู่การจำแนกของหน้าวัว asSunkisses และ Dandelion จึงย่อยสลายความถูกต้องของ PDU ที่ รูป 19 (ข) แสดงให้เห็นถึงการกระจายของค่า NDVI สำหรับหน้าวัวเมื่อขั้นตอนวิธีการเลือกปฏิบัติที่รวมรวมข้อมูลที่มีเกณฑ์ของ 15. ในกรณีนี้จุดเดียวคิดเป็นค่าเฉลี่ยของ bivariate (NDVI635, NDVI685) ข้อมูลจะแสดงใน ร็อคของหน้าวัวแสดงให้เห็นผลการเลือกปฏิบัติที่ถูกต้อง.
รูป 20 (ก) แสดงให้เห็นถึงการกระจายตัวของคู่ค่า NDVI คำนวณจากการวัดการสะท้อนเงาสำหรับ Sunkisses สำหรับความเร็วของยานพาหนะ 3 กิโลเมตร / ชั่วโมง ด้วยการรวบรวมข้อมูลไม่ทับซ้อนกันจะเห็นระหว่างภูมิภาคของการจัดหมวดหมู่สำหรับ Sunkisses Dandelion และนำไปสู่การจำแนกของ Sunkisses เป็นดอกแดนดิไล ใช้การรวบรวมข้อมูลกับเกณฑ์ของ 3, จุดเดียวสามารถบรรลุในร็อคของ Sunkisses
เช่นแสดงในรูปที่ 20 (ข).
การกระจายของค่า NDVI คู่สำหรับ Dandelion จะแสดงในรูป 21 (ก) สำหรับความเร็วของยานพาหนะ 3 กิโลเมตร / ชั่วโมง อีกครั้งที่ทับซ้อนกันระหว่างการจัดหมวดหมู่ของภูมิภาคสำหรับ Dandelion และ Sunkisses จะเอาชนะโดยใช้การรวมข้อมูลที่มีเกณฑ์ของ 7 เป็นหลักฐานจากรูป 21 (ข).
ในที่สุดก็เป็นสิ่งสำคัญที่จะพูดถึงว่าเมื่อความเร็วของรถที่เพิ่มขึ้นถึง 6 กม. / ชมขั้นตอนวิธีการรวมล้มเหลวในการแยกแยะระหว่าง Dandelion และ Sunkisses แม้ในขณะที่ thresholding ได้รับการปรับปรุง ในกรณีนี้การกระจายตัวของค่า NDVI คู่สำหรับ Dandelion จะแสดงในรูป 22 (ก).
ทับซ้อนระหว่างภูมิภาคของการจัดหมวดหมู่สำหรับ Dandelion Sunkisses และไม่สามารถเอาชนะได้โดยใช้การรวมการนัดหยุดงานที่มีเกณฑ์ที่เหมาะสมของ 10 เป็นหลักฐานจากรูป 22 (ข) ซึ่งมีสาเหตุมาจากข้อ จำกัด ในการประมวลผลแบบ real-time ที่กล่าวถึงในส่วน 2.2.1 การปรับปรุงความถูกต้องของการเลือกปฏิบัติที่ความเร็วรถสูงต้อง (i) ความเร็วสูงเสียงต่ำเซ็นเซอร์สแกนเส้นความไวสูง (ii) ได้เร็วขึ้นแปลงอนาล็อกเป็นดิจิตอล, และ (iii) การลดลงของเวลาที่ได้รับของ เซ็นเซอร์ซึ่งขึ้นอยู่กับความเข้มของเลเซอร์เอาท์พุท

ผลลัพธ์ (ไทย) 3:

ในการทดสอบครั้งที่สองการทดลองประกอบด้วย 2 ครั้งต่อต้นต่อการทดลองการทดลองที่ความเร็วรถยนต์ 3 กิโลเมตร / ชั่วโมง ในการทดสอบนี้ dual.ndvi การวัดลดลงภายในกำหนดภูมิภาคการจำแนกถูกรวมกับเกณฑ์ที่ใช้ในการสร้างจำนวนของการตัดสินใจโจมตีโรงงานเดียวกลุ่มเริ่มตั้งด้วยตนเอง ดังนั้นผลของเกณฑ์ระดับประสิทธิภาพของระบบอาจจะมีการตรวจสอบ วัดการเปลี่ยนแปลงด้านพืชพรรณสองค่าล้มนอกภูมิภาคของการจำแนกถูกละเลย ในการพิจารณาคดีครั้งแรก และหน้าวัว ดอกแดนดิไลอันเป็นเป้าหมายต้น ขณะที่ในการทดลองที่สอง เป้าหมายพืชและ sunkisses Dandelion เพื่อความสะดวกในการตีความผลลัพธ์ที่ได้จะแสดงในรูปแบบของแปลงกระจายในมะเดื่อ . 19 – 22 ที่มีสองแปลงกระจายให้ต่อพืชทดสอบ พล็อตกระจายแรกแสดงการกระจายของการเปลี่ยนแปลงด้านพืชพรรณการคำนวณจากแบบวัดแสงสะท้อน กับการกำหนดขอบเขตของการจำแนกพล็อตกระจายที่สองแสดงให้เห็นถึงการแบ่งแยกออกหลังจากขั้นตอนวิธีและการเปลี่ยนแปลงด้านพืชพรรณปี ปรับค่า 19 รูป ( ก ) แสดงการกระจายของค่าสองค่าเพื่อการเปลี่ยนแปลงด้านพืชพรรณหน้าวัว , สำหรับรถความเร็ว 3 km / h มันก็สังเกตเห็นว่ามีการเปลี่ยนแปลงด้านพืชพรรณสมุหทับซ้อนกันของภูมิภาค ofclassification นำไปสู่ assunkisses และผิดพลาดของหน้าวัวดอกแดนดิไลอันจึงทำให้ความถูกต้องของ pdu . 19 รูป ( b ) แสดงการกระจายของค่าเมื่อการเปลี่ยนแปลงด้านพืชพรรณหน้าวัวขั้นตอนวิธีรวมข้อมูลรวมกับเกณฑ์ของ 15 ในกรณีนี้จุดเดียว เป็นตัวแทนของค่าเฉลี่ยโดยใช้ ( ndvi635 ndvi685 , ) ข้อมูลแสดงผลของหน้าวัว , แสดงผลปฏิบัติถูกต้อง
20 รูป ( ก ) แสดงการกระจายของการเปลี่ยนแปลงด้านพืชพรรณสองค่าคำนวณจากการวัดสเปกตรัมการสะท้อนแสงสำหรับ sunkisses สำหรับรถความเร็ว 3 กิโลเมตร / ชั่วโมง ที่ไม่มีข้อมูลการรวมซ้อนเห็นระหว่างภูมิภาคของหมวดหมู่สำหรับ sunkisses และดอกแดนดิไลอัน ,ที่นำไปสู่การผิดพลาดของ sunkisses เป็น Dandelion โดยใช้ข้อมูลรวมกับเกณฑ์ของ 3 จุดเดียวสามารถบรรลุในผลของ sunkisses ตามที่แสดงในรูปที่ 20 ( b )
.
การเปลี่ยนแปลงด้านพืชพรรณสองค่าดอกแดนดิไลอันแสดงใน 21 รูป ( ) สำหรับรถความเร็ว 3 กม. / ชม. อีกครั้งที่ทับซ้อนกันระหว่างภูมิภาคของหมวดหมู่สำหรับ dandelion และ sunkisses จะเอาชนะโดยใช้ข้อมูลรวมกับเกณฑ์ 7 เป็นหลักฐานจาก 21 รูป ( b )
ในที่สุด , มันเป็นสิ่งสำคัญที่จะพูดถึงว่าเมื่อความเร็วรถเพิ่มขึ้นเป็น 6 km / h , รวมขั้นตอนวิธีล้มเหลวที่จะแยกแยะระหว่าง dandelion และ sunkisses แม้เมื่อ ปรับได้สูงสุด . ในกรณีนี้การเปลี่ยนแปลงด้านพืชพรรณสองค่าดอกแดนดิไลอันที่แสดงในรูปที่ 22 ( )
ซ้อนระหว่างภูมิภาคของหมวดหมู่สำหรับ dandelion และ sunkisses ไม่สามารถเอาชนะโดยใช้เกณฑ์ที่เหมาะสมรวมกับตี 10 ดังเห็นได้จาก 22 รูป ( b ) นี้ประกอบกับการประมวลผลเวลาจริงการกล่าวถึงในส่วนโปรแกรม .การปรับปรุงความถูกต้องของการเลือกปฏิบัติที่ความเร็วสูงต้องใช้รถ ( ผม ) ความเร็วสูง , เสียงต่ำ , สายความไวสูงสแกนเซ็นเซอร์ ( 2 ) อนาล็อกเพื่อดิจิตอลแปลงได้เร็วขึ้น และ ( 3 ) การลดเวลารับของ เซนเซอร์ ซึ่งขึ้นอยู่กับผลผลิตเลเซอร์ความเข้ม .