>>人工智能與機(jī)器學(xué)習(xí)的概念<<
機(jī)器學(xué)習(xí)是人工智能的一種形式，能賦予計(jì)算機(jī)無需復(fù)雜的程序化設(shè)計(jì)的學(xué)習(xí)能力，從而產(chǎn)生巨大的數(shù)據(jù)量。
>>機(jī)器學(xué)習(xí)的早期應(yīng)用<<
很早之前，機(jī)器學(xué)習(xí)就有用在一個(gè)游戲‘超級馬里奧’里面,mario可以由計(jì)算機(jī)程序控制，識別不同的障礙，進(jìn)而做出合理的判斷和應(yīng)對策略。
>>基于機(jī)器學(xué)習(xí)技術(shù)開發(fā)而成的LemnaTec軟件模塊—LemnaGrid<<
一個(gè)傳感器收集到的需要訓(xùn)練的數(shù)據(jù)，經(jīng)過數(shù)據(jù)標(biāo)記，特征分析，再到各種分類算法處理，最終得到數(shù)據(jù)，可與實(shí)際數(shù)值，做進(jìn)一步分析。其中數(shù)據(jù)標(biāo)記、特征分析和分類算法處理是圖像處理的核心問題。這一整個(gè)過程即為機(jī)器學(xué)習(xí)的過程，一旦有新的傳感器所得到的數(shù)據(jù)，依舊可以用這一流程，進(jìn)行各種處理與分析。
>>舉個(gè)栗子1<<
LemnaGrid-機(jī)器學(xué)習(xí)技術(shù)：3D點(diǎn)陣云圖分割
利用英國洛桑研究所的3D激光成像模塊，以及LemnaGrid的機(jī)器學(xué)習(xí)技術(shù)，能夠分析田間小麥穗表型，對穗的識別精度達(dá)到99%以上。
>>舉個(gè)栗子2<<
傳感器融合有助于機(jī)器學(xué)習(xí)過程
傳感器融合是一個(gè)整合數(shù)據(jù)的過程，這些數(shù)據(jù)來自不同光譜、時(shí)空尺度下的不同傳感器。
RGB與IR的融合
? RGB mask可用于從IR中減去植物的背景；
? IR數(shù)據(jù)可以用作RGB數(shù)據(jù)的第四通道并用于相同的ML算法中。
3D層面的融合（不只是2D）
使用RGB和3D融合的像素級信息。
3D和IR，環(huán)境傳感器融合：觀察從上午9點(diǎn)到下午2點(diǎn)的大田植物溫度的升高趨勢。
>>小結(jié)<<
? 傳感器融合能提高機(jī)器學(xué)習(xí)算法的目標(biāo)檢測和識別的精度；
? 傳感器融合提供了增強(qiáng)的結(jié)構(gòu)和空間細(xì)節(jié)，并糾正了反射率的復(fù)雜性，并提供更高水平的校準(zhǔn)。
本文視頻來源（請點(diǎn)擊或識別下方二維碼觀看）
