>>人工智能与机器学习的概念<<
机器学习是人工智能的一种形式，能赋予计算机无需复杂的程序化设计的学习能力，从而产生巨大的数据量。
>>机器学习的早期应用<<
很早之前，机器学习就有用在一个游戏‘超级马里奥’里面,mario可以由计算机程序控制，识别不同的障碍，进而做出合理的判断和应对策略。
>>基于机器学习技术开发而成的LemnaTec软件模块—LemnaGrid<<
一个传感器收集到的需要训练的数据，经过数据标记，特征分析，再到各种分类算法处理，最终得到数据，可与实际数值，做进一步分析。其中数据标记、特征分析和分类算法处理是图像处理的核心问题。这一整个过程即为机器学习的过程，一旦有新的传感器所得到的数据，依旧可以用这一流程，进行各种处理与分析。
>>举个栗子1<<
LemnaGrid-机器学习技术：3D点阵云图分割
利用英国洛桑研究所的3D激光成像模块，以及LemnaGrid的机器学习技术，能够分析田间小麦穗表型，对穗的识别精度达到99%以上。
>>举个栗子2<<
传感器融合有助于机器学习过程
传感器融合是一个整合数据的过程，这些数据来自不同光谱、时空尺度下的不同传感器。
RGB与IR的融合
• RGB mask可用于从IR中减去植物的背景；
• IR数据可以用作RGB数据的第四通道并用于相同的ML算法中。
3D层面的融合（不只是2D）
使用RGB和3D融合的像素级信息。
3D和IR，环境传感器融合：观察从上午9点到下午2点的大田植物温度的升高趋势。
>>小结<<
• 传感器融合能提高机器学习算法的目标检测和识别的精度；
• 传感器融合提供了增强的结构和空间细节，并纠正了反射率的复杂性，并提供更高水平的校准。
本文视频来源（请点击或识别下方二维码观看）
