Ни для кого не секрет, что орехи макадамии быстро становятся ведущей культурой в ЮАР. Урожайность орехов макадамия составляет 374 000 рандов с гектара, и они особенно прибыльны, а на современном конкурентном рынке важно превосходное управление урожаем. Чтобы защитить ваши инвестиции, Aerobotics предлагает изображения с дронов с высоким разрешением и передовые алгоритмы, чтобы гарантировать, что ваши культуры сохранят свое качество и ценность. Одним из преимуществ данных с дронов..

Представляем DroneDeploy SDK Новая мощная платформа настройки и автоматизации для повышения эффективности и производительности рабочего процесса Новые строительные фирмы, такие как Katerra из Menlo Park, полагаются на новый SDK и API DroneDeploy, чтобы сделать свои рабочие процессы более эффективными и быстрее доставлять данные. Компания Katerra создала индивидуальное решение для пилотов, позволяющее автоматизировать загрузку изображений как в облачное хранилище, так и в..

Прочитайте Статья Рональда Шмельцера в Forbes о шагах, которые Amazon предпринимает для расширения использования обучения с подкреплением : Обучение с подкреплением (RL) обычно применяется для решения игр и головоломок. От ранних приложений ИИ в шашках и шахматах до более поздних решений на основе RL, которые научились играть в некоторые из самых сложных игр, таких как Go, DOTA и многопользовательские игры, RL показал, что он может предложить значительную силу в решении некоторые из..

NDVI — классический индикатор здоровья растений. Он использует взаимосвязь между высоким поглощением хлорофиллом энергии красного излучения и высоким коэффициентом отражения энергии ближнего инфракрасного диапазона для здоровых листьев и растений навесов ( Quest ). Хотя он подчеркивает изменчивость культур и определяет стресс растений ( DroneDeploy ), он не дает полной картины. Сам по себе NDVI не дает возможности различать типы повреждения урожая или стресса. С SkyClaim команда..

В эти предыдущие годы алгоритмы искусственного интеллекта (нейронные сети) были выдвинуты на передний план благодаря увеличению вычислительной мощности оборудования и маркировке огромных баз данных, что сделало возможным предварительное обучение этих алгоритмов. Благодаря подходящему обучению на тысячах помеченных данных, эти алгоритмы могут распознавать некоторые сложные шаблоны , такие как животные, автомобили, мосты и т. Д. Это семейство алгоритмов можно отлично использовать в..