Detektering og klassificering af kimplanter ved brug af computer vision
Detektering og klassificering af kimplanter ved brug af computer vision
Detektering og klassificering af kimplanter ved brug af computer vision
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
3 Beskrivelse <strong>af</strong> kim 3.5 Værdi<br />
• Stumpet<br />
• Ekstra rodspids<br />
• Tvilling<br />
• Krum<br />
• Opsvulmet stængel<br />
Figur 3.6<br />
Skitser <strong>af</strong> de forskellige misdannelser som kan forekomme <strong>og</strong> gør at kimene falder inden for 3. klasse<br />
3.4.4 Fjerde klasse – abnorme<br />
I en skål med klonede kim vil ca. 75 % være <strong>af</strong> 4. klasse (figur 3.7). Af disse bliver 0 % til veldannede<br />
<strong>og</strong> gode planter. For at et kim kan blive betragtet som et 4. klasses kim, skal det opfylde et <strong>af</strong><br />
følgende krav:<br />
• Klumper<br />
• Ingen kimblade<br />
3.5 Værdi<br />
Figur 3.7<br />
Skitse <strong>af</strong> 4. klasses kim<br />
Kostprisen på et kim på dette stadie er endnu ukendt, <strong>og</strong> det er derfor ikke muligt med sikkerhed, at<br />
sige om det kan betale sig at plante alle kimklasser, selvom man <strong>ved</strong> at de ikke alle bliver til gode<br />
træer, eller om man skal frasortere alle dårlige <strong>og</strong> kun koncentrere sig om de gode, eller om der skal<br />
findes en mellemvej. D<strong>og</strong> tyder tidlige vurderinger fra Jens Iver Find <strong>og</strong> Lars Sommer på, at det er<br />
mest økonomisk at fjerne dårlige kim tidligt i beplantningsprocessen.<br />
Side 13 <strong>af</strong> 131
Change language