Zobrazeno 1 - 10
of 32
pro vyhledávání: '"Otsu threshold segmentation"'
Publikováno v:
Gong-kuang zidonghua, Vol 50, Iss 8, Pp 127-134 (2024)
The development morphology of coal rock cracks is an important factor affecting the permeability of coal rock and determining the mechanical features of coal rock mass. A coal rock crack recognition method based on connectivity threshold segmentation
Externí odkaz:
https://doaj.org/article/1b5dc6a8cfd742b3a3bdc44e8a408a6c
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IEEE Access, Vol 7, Pp 143190-143206 (2019)
In this paper, a method for detecting rapid rice disease based on FCM-KM and Faster R-CNN fusion is proposed to address various problems with the rice disease images, such as noise, blurred image edge, large background interference and low detection
Externí odkaz:
https://doaj.org/article/aadd03e6bb12416895b5217abc5694d0
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
The Journal of Engineering (2019)
Here, classification of rice planthopper (RPH) based on shape descriptors was addressed to solve the low semantics problem of shape features in traditional RPH (mainly including the whiteback planthopper (Sogatella furcifera (Horváth)), the brown pl
Externí odkaz:
https://doaj.org/article/19a8bdd810584ed694cfbf7f0ddfd024
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IEEE Access, Vol 7, Pp 143190-143206 (2019)
In this paper, a method for detecting rapid rice disease based on FCM-KM and Faster R-CNN fusion is proposed to address various problems with the rice disease images, such as noise, blurred image edge, large background interference and low detection
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::9da26f84bd3bb374864eb6186b41b7f8
https://ieeexplore.ieee.org/document/8847623/
https://ieeexplore.ieee.org/document/8847623/
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.