TL;DR
- مشاهده PDF چکیده:.
- بازسازی دقیق سطوح برگ از ابر نقطه سه بعدی برای کاربردهای کشاورزی مانند فنوتیپ ضروری است.
- با این حال،.
چه اتفاقی افتاد
مشاهده PDF چکیده:. بازسازی دقیق سطوح برگ از ابر نقطه سه بعدی برای کاربردهای کشاورزی مانند فنوتیپ ضروری است.
با این حال،. داده های گیاهی در دنیای واقعی (به عنوان مثال،.
ابر نقطه سه بعدی نامنظم) اغلب برای بازسازی دقیق قطعات گیاه پیچیده است. طیف گسترده ای از روش های بازسازی سطح پیشنهاد شده است،.
از جمله رویکردهای پارامتری،. مبتنی بر مثلث،.
ضمنی و مبتنی بر یادگیری،. اما عملکرد نسبی آنها برای بازسازی سطح برگ به اندازه کافی شناخته نشده است.
در این کار،. ما یک مطالعه مقایسه ای از نه روش بازسازی سطحی نماینده برای سطوح برگ ارائه می کنیم.
ما این روشها را بر روی سه مجموعه داده در دسترس عموم ارزیابی میکنیم:. LAST-STRAW،.
Pheno4D،. و Crops3D - گونههای متنوع،.
حسگرها و محیطهای حسگر را در بر میگیرد،. از اسکنهای تمیز با وضوح بالا تا تنظیمات میدان با وضوح پایین.
تجزیه و تحلیل مبادله بین دقت تخمین سطح،. صافی،.
استحکام در برابر نویز و داده های از دست رفته و هزینه محاسباتی را در روش های مختلف. برجسته می کند.
این عوامل بر هزینه و محدودیت های سخت افزار رباتیک مورد استفاده در برنامه های کشاورزی تأثیر می. گذارد.
نتایج ما نشان میدهد که هر روش بسته به محدودیتهای کاربرد و منابع، مزایای مشخصی را نشان میدهد. یافتهها راهنمایی عملی برای انتخاب تکنیکهای بازسازی سطح برای پلتفرمهای رباتیک محدود شده با منابع ارائه میکنند.
موضوعات:. بینایی کامپیوتری و تشخیص الگو (cs.CV)؛
رباتیک (cs.RO) استناد به عنوان:. arXiv:.
2604.03328 [cs.CV] (یا arXiv:. 2604.03328v1 [cs.CV] برای این نسخه) https:.
//doi.org/10.48550/arXiv.2604.03328 DOI صادر شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. عارف احمد [مشاهده ایمیل] [v1] پنجشنبه،.
2 آوریل 2026،. ساعت 22:.
13:. 19 UTC (11,.
375 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.