Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: region zainteresowania

Sortuj według:

Ogranicz wyniki do:

Utilizing satellite and UAV data for crop yield prediction and monitoring through deep learning

Mathivanan Sandeep Kumar, Jayagopal Prabhu

Acta Geophysica

2022

Vol. 70, no 6

2991--3004

Agriculture is sighted more use cases of drones, and with the expanding population, food yields are becoming more well organized. Drones are used in examining crops and exploiting data to determine what requires greater attention. This research study focuses on how deep learning (DL) has been used with drone technology to create solutions for detecting crop fields within a certain regions of interest (ROI). Extracting images from a drone and analysing them with a DL system to identify crop fields and yields for less-developed nations are solution to a prevalent challenge that land use–land cover (LULC) encounters. The limitations of drone spot-checking in the context of agricultural fields and the constraints of utilizing DL to detect yields. Also, a novel method is offered for detecting and tracking crop fields using a single camera on our UAV. The estimated background movements using a perspective transformation model given a sequence of video frames and then locate distinct locations in the background removed picture to detect moving objects. The optical flow matching is used to determine the spatiotemporal features of each moving item and then categorize our targets, which have considerably different motions than the backdrop. Kalman filter tracking has used to ensure that our detections are consistent across time. The hybrid crop field detection model is to evaluate on real uncrewed aerial vehicle (UAV) recordings. And the findings suggest that hybrid crop field detection successfully detects and tracks crop fields through tiny UAV’s with low computational resources. A crop field module, which aids in reconstruction quality evaluation by cropping specific ROIs from the whole field, and a reversing module, which projects ROIs-Vellore to relative raw pictures, are included in the proposed method. The results exhibit faster identification of cropping and reversing modules, impacting ROI height selection and reverse extraction of ROI location from raw pictures.

Zapytania wzorca do trajektoryjnej hurtowni danych

Gorawski M., Jureczek P.

Studia Informatica

2009

Vol. 30, nr 2A

317-328

Artykuł podejmuje temat zapytań wzorca dla Trajektoryjnej Hurtowni Danych, TrDW. W ramach zapytań wzorca został zaprezentowany sposób przekształcania trajektorii obiektów do postaci sekwencji regionów oraz eksploracji tak uzyskanych sekwencji z użyciem funkcji porównujących. Przedstawione funkcje porównujące zostały podzielone na dwie grupy. Pierwsza grupa umożliwia uzyskanie informacji na temat konkretnego, zdefiniowanego przez użytkownika wzorca. Druga natomiast służy pozyskiwaniu informacji podsumowujących dotyczących wszystkich analizowanych sekwencji trajektorii. Informacje uzyskane w wyniku użycia drugiej grupy mogą również posłużyć, jako dane wejściowe grupy pierwszej. W artykule przedstawiono również wpływ różnych parametrów, wykorzystywanych podczas przekształcania trajektorii, na rozmiar składowanych agregatów.

This paper presents the query model for Trajectory Data Warehouse. The pattern queries in this paper present a way of transforming object trajectories into region sequences, as well as exploring such sequences using comparison methods. Such comparison methods are divided into two groups. The first group makes it possible to collect information about a particular user-defined pattern. The second involves obtaining information summary of all analyzed trajectory sequences. Information obtained as a result of using the second group may be also used as input data for the first group. We also show the impact of different parameters of transformation of trajectories on the size of stored aggregates.