电脑我的世界服务器无限刷甘蔗,高效率甘蔗机 我的世界自动刷甘蔗 | 我的世界 | MC世界侠...

e2fb0d3468cc333e24ef07503d183196.png

高效率甘蔗机 我的世界自动刷甘蔗

你还在烦恼没有足够的甘蔗吗?快来看看这个教程吧。

今天给各位带来的红石教程是一个可挂机式的高效甘蔗机农场,做法比较简单,而且比较实用,甘蔗在生存也是比较常用的的,在后期与村民交易的时候也是需要用到的,工作原理主要利用了活塞的BUD,让你可以挂机全自动的自动收集,不多说让们看看怎么做这个高效的甘蔗机农场。教程主要是根据傻子的小聪明的视频教程做出来的,个人觉得非常不错,下面开始教程吧!

需要用到的材料比较多:水、草方块、石英方块、活塞、粘性活塞、红石方块、红石、红石火把、红石中继器、红石比较器、铁轨、动力铁轨、箱子、玻璃;

01.首先我们先挖个13格的坑,这里主要是因为红石线路的原因,只挖13格,然后放上水,再挖一条一样的放上草方块(注意:这里不放沙子,因为待会要再底下做收集电路,放沙子的话会让沙子下沉,不可以悬空)。

433f523ed0b87c0340924f5f1a7d1115.png

02.然后把水用方块掩盖填好,再在上面放上活塞,左边的活塞是放粘性活塞

e0e58d89c61f991cef0995f1db8dfb06.png

03.然后在粘性活塞旁边放上红石块,旁边放上石块然后放红石比较器

b7dff94d7f45dc4c4e5b6eb0653ca28f.png

04.再把装置铺上一层石块,主要是为了铺红石线路

2708b6c3c0f27b5ce391c2e30d74e9aa.png

05.然后铺上红石电路即可啦!再在活塞上面放上火把,主要是为了给甘蔗照明。

b85f24ddb155762a342b3f9b535175d2.png

06.到这里基本上的破坏装置已经做完了,重上甘蔗然后可以试一下啦,最后在甘蔗前面放上玻璃块挡住,以免甘蔗被推的太远!

8b84ba8f104a7d2064341633bb80f8d5.png

07.下面做收集装置,收集装置主要是依靠漏斗矿车在下面做收集,首先我们现在破坏装置下面挖一条道,如图:

b5ee06b3a615e6cacd7bfce3ec2a6bf2.png

08.然后在中间的位置放上两个红石火把,主要作为铁轨充能用,然后把红石火把掩盖掉,铺上铁轨和充能铁轨(铁轨放在转弯的部分)

1392c514a03debd41463aead0e87b5e1.png

09.然后在尽头的位置放上箱子和漏斗

d9dd6cefdfd598bf49b08eb7c908317c.png

10.其次在箱子旁边挖一下放上红石比较器和火把,向上挖,然后在红石比较器上面放上红石即可!

f728c1add4f2cd10d34dc9644c13c0bf.png

cd8c196460c7d3769b54195a06e27a3e.png

好啦~!整个高效的甘蔗机就这样完成啦,做起来不难,几分钟即可完成。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值