varying levels of success. In parti

varying levels of success. In particular, spectral analysis has been used as a method for discriminating plants from soil (green-from-brown discrimination) (Felton and McCloy, 1992; Brownhill, 2006). Fundamental work presented by Wang et al. (2001) quantifies plant spectral characteristics by using five feature wavelengths and four normalised colour indices for crop/weed (green-from-green) discrimination. The work led to the development of an optical weed sensor capable of detecting wheat from specific weeds under controlled laboratory conditions. More recently, Deng et al. (2014) have investigated the application of Support Vector Machine (SVM), Artificial Neural Network (ANN) and Decision Tree (DT) based classifiers to compare the classification rates for plant spectral measurements taken in the 350–760 nm visible wavelength range and the 350–2500 nm visible and NIR wavelength range. Experimentally, spectral irradiance measurements for the test crop (corn) and weeds (Dchinochloa crasgalli and Echinochloa crusgalli) were performed in the field, using a handheld spectroradiometer, with results showing that the visible light range proved adequate to meet discrimination requirements for the given test plants. An innovative approach presented by Sahba et al. (2006) and Paap et al. (2008) demonstrated

ผลลัพธ์ (ไทย) 2:

ระดับที่แตกต่างของความสำเร็จ โดยเฉพาะอย่างยิ่งการวิเคราะห์สเปกตรัมได้ถูกใช้เป็นวิธีการในการจำแนกพืชจากดิน (สีเขียวจากสีน้ำตาลการเลือกปฏิบัติ) (เฟลตันและ McCloy 1992; Brownhill 2006) การทำงานพื้นฐานที่นำเสนอโดยวัง et al, (2001) ประเมินลักษณะสเปกตรัมพืชโดยใช้ห้าความยาวคลื่นบาร์และดัชนีสี่สีปกติพืช / วัชพืช (สีเขียวจากสีเขียว) การเลือกปฏิบัติ งานที่นำไปสู่​​การพัฒนาของเซ็นเซอร์แสงวัชพืชสามารถตรวจสอบข้าวสาลีจากวัชพืชที่เฉพาะเจาะจงภายใต้เงื่อนไขที่ควบคุมในห้องปฏิบัติการ เมื่อเร็ว ๆ นี้เติ้ง et al, (2014) มีการสอบสวนการประยุกต์ใช้การสนับสนุนเครื่องเวกเตอร์ (SVM) ประสาทเทียมเครือข่าย (ANN) และต้นไม้การตัดสินใจ (DT) จําแนกตามการเปรียบเทียบอัตราการจัดหมวดหมู่สำหรับการตรวจวัดสเปกตรัมโรงถ่ายใน 350-760 นาโนเมตรช่วงความยาวคลื่นที่มองเห็นและ 350-2500 นาโนเมตรสามารถมองเห็นได้และ NIR ช่วงความยาวคลื่น ทดลองการวัดรังสีสเปกตรัมสำหรับการเพาะปลูกการทดสอบ (ข้าวโพด) และวัชพืช (Dchinochloa crasgalli และ Echinochloa crusgalli) ได้ดำเนินการในด้านการใช้ Spectroradiometer แบบใช้มือถือที่มีผลแสดงให้เห็นว่าช่วงแสงที่มองเห็นได้รับการพิสูจน์เพียงพอที่จะตอบสนองความต้องการการเลือกปฏิบัติสำหรับการทดสอบที่กำหนด พืช วิธีการใหม่ที่นำเสนอโดย Sahba et al, (2006) และ Paap et al, (2008) แสดงให้เห็นถึง

ผลลัพธ์ (ไทย) 3:

ระดับที่แตกต่างของความสำเร็จ โดยเฉพาะการวิเคราะห์สเปกตรัมได้ถูกใช้เป็นวิธีการจำแนกพืชจากดิน ( สีเขียว สีน้ำตาล ( และปฏิบัติ ) และ เมิกคลอย , 1992 ; brownhill , 2006 ) พื้นฐานการทำงานที่นำเสนอโดย Wang et al .( 2001 ) quantifies พืชลักษณะสเปกตรัมโดยใช้ความยาวคลื่นเท่ากับห้าคุณลักษณะและสี่สีดัชนีผลผลิต / วัชพืชสีเขียว ( สีเขียว ) เลือก งานที่นำไปสู่การพัฒนาของเซ็นเซอร์สามารถตรวจจับแสงหญ้าข้าวสาลีจากวัชพืชเฉพาะภายใต้สภาพควบคุมห้องปฏิบัติการ เมื่อเร็วๆ นี้ เติ้ง et al .( 2014 ) ได้ศึกษาการประยุกต์ใช้เครื่องเวกเตอร์สนับสนุน ( SVM ) , โครงข่ายประสาทเทียม ( ANN ) และการตัดสินใจแบบต้นไม้ ( DT ) ตามคำเพื่อเปรียบเทียบอัตราการจำแนกพืชสเปกตรัมที่วัดได้ในช่วงความยาวคลื่นที่มองเห็นได้ 350 – 760 นาโนเมตรและ 350 – 2500 นาโนเมตรและความยาวคลื่นที่มองเห็นได้ คือช่วง ทดลอง ,การวัดสเปกตรัมสำหรับการทดสอบดังกล่าวปลูกพืช ( ข้าวโพด ) และวัชพืช ( dchinochloa crasgalli และ echinochloa crusgalli ) มีการปฏิบัติในด้านการ spectroradiometer มือถือ , กับผลลัพธ์ที่แสดงให้เห็นว่าช่วงแสงที่มองเห็นได้พิสูจน์เพียงพอที่จะตอบสนองความต้องการการได้รับการทดสอบพืช เป็นวิธีการใหม่ที่นำเสนอโดย sahba et al . ( 2006 ) และ paap et al .

( 2551 ) แสดง