Temat: Identyfikacja - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Technical and economic comparison of cattle dairy management systems based on radio-frequency and infra-red identification
Autorzy:: Kitikov, V. O.
Ternov, E. V.
Powiązania:: https://bibliotekanauki.pl/articles/335660.pdf
Data publikacji:: 2009
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: porównanie
bydło
identyfikacja
comparison
cattle
identification
Opis:: Automated dairy management systems (DMS) for cattle herd on commercial farms and complexes of yard housing now are an integral part of the "know-how" of milk production technology. Ali known DMSs use radio-frequency (RF) or infra-red (IR) method of animal identification. In development of the software of automated workplace of a livestock specialist at DMS the relative density of functions of data exchange with the technological equipment makes 40-50 %. By virtue of close communication with the system of automation of milking created on the basis of concrete means of automatics and high labor input of the development it has information compatibility only with strictly certain set of the equipment of milking automation. Thus its information functions regarding management of dairy (reports, statistics, registration of all kinds) do not depend on the external equipment and as a whole coincide for DMS-IR and DMS-RF. Thereby, it is reasonable to make the comparison of functionalities of DMS mainly with reference to the features basic means of automatics being used.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2009, 54, 3; 130-132
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Neural image analysis in identification process of mechanical damages of kernels
Neuronowa analiza obrazu w procesie identyfikacji mechanicznych uszkodzeń ziarniaków
Autorzy:: Nowakowski, K.
Boniecki, P.
Dach, J.
Powiązania:: https://bibliotekanauki.pl/articles/335305.pdf
Data publikacji:: 2009
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: ziarniak
uszkodzenie
identyfikacja
analiza neuronowa
kernel
damage
neural analysis
identification process
Opis:: The subject of the study was to develop a neural model for the identification of mechanical damage in maize caryopses based on digital photographs. The author has selected a set of features that distinguish between damaged and healthy caryopses. The study has produced an artificial neural network of a multilayer perceptron type whose identification capacity approximates that of a human.
Celem projektu badawczego było opracowanie modelu neuronowego do identyfikacji mechanicznych uszkodzeń ziarniaków kukurydzy na podstawie ich cyfrowych fotografii. Wybrany został zestaw cech charakterystycznych na podstawie, których możliwa jest klasyfikacja ziarniaków na zdrowe i uszkodzone. W wyniku badań otrzymano sztuczną sieć neuronową typu perceptron wielowarstwowy charakteryzującą się zdolnościami identyfikacyjnymi zbliżonymi do umiejętności człowieka.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2009, 54, 2; 77-80
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Neuronowy model do identyfikacji makrouszkodzeń ziarniaków
Neural model for identification of damages of corn kernels
Autorzy:: Nowakowski, K.
Boniecki, P.
Powiązania:: https://bibliotekanauki.pl/articles/336815.pdf
Data publikacji:: 2008
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: model neuronowy
makrouszkodzenie
ziarniak
identyfikacja
neural model
damage
corn kernel
identification
Opis:: Realizacja projektu obejmowała zbudowanie i wytrenowanie neuronowego modelu do identyfikacji makrouszkodzeń ziarniaków. Rozpoznawania uszkodzeń dokonywano na podstawie cyfrowych fotografii skonwertowanych przez wytworzony system informatyczny do postaci zbiorów uczących dedykowanych dla sztucznej sieci neuronowej. Do uczenia sieci wybrano zestaw reprezentatywnych cech. W zbiorze tym zawarto informacje o barwie (zakodowanej do postaci liczbowej), polu powierzchni, obwodzie i wybranych współczynnikach kształtu. Pojedynczy przypadek uczący zawierał 1031 zmiennych, z czego 1024 to zmienne zawierające informacje o barwie. Identyfikacji makrouszkodzeń dokonano na ziarniakach kukurydzy odmiany Clarica FAO 280.
The realization of project enclosed construction and training neuronal model to identification of damages of corn kernels. Recognizing the damages was made on basis of digital photos converted by produced computer system to learning files dedicated for artificial neural network. The network was learned on chosen representative tags. The taught model marks abilities of identification approximate quality to human. Neural model can in real time identify larger number of kernels than man. The number of kernels is only limited by method of images acquisition and the computational power of applied equipment to implementation of model. Big advantage is also the lack of natural man limitations which for example are: fatigue and subjective opinion.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2008, 53, 2; 79-81
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Neural image analysis in process of compost quality identification
Neuronowa analiza obrazu w procesie identyfikacji jakości kompostu
Autorzy:: Boniecki, P.
Dach, J.
Jakubek, A.
Dejewska, T.
Powiązania:: https://bibliotekanauki.pl/articles/334309.pdf
Data publikacji:: 2009
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: neuronowa analiza obrazu
identyfikacja
kompost
neural image analysis
compost
identification
Opis:: The paper presents the experiments of compost images analysis carried out with two types of digital cameras working in daylight and ultraviolet light. The data collected with two cameras were analysed with the usage of neural network model (using part of application Statistica v. 8.0). The results of images analysis were combined also with the results of chemical and physical analysis of composted material.
W pracy zaproponowano oryginalną metodę oceny jakości kompostu, z wykorzystaniem nowoczesnych technik analizy obrazu, dokonaną w oparciu o zdjęcia pozyskane z dwóch typów aparatów cyfrowych, pracujących w świetle dziennym oraz świetle ultrafioletowym. Zebrane dane poddane zostały analizie za pomocą sztucznych sieci neuronowych z wykorzystaniem numerycznego symulatora SNN zaimplementowanego w postaci modułu w komercyjnym pakiecie Statistica v. 8.0. Otrzymane wyniki zostały następnie skojarzone z danymi uzyskanymi w oparciu o przeprowadzoną analizę chemiczną oraz fizyczną wybranych materiałów organicznych, poddanych procesowi kompostowania w warunkach laboratoryjnych.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2009, 54, 1; 9-11
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Neuronowa kompresja danych graficznych w procesie identyfikacji wybranych obiektów rolniczych
Neural image data compression in the process of identification of selected agricultural objects
Autorzy:: Boniecki, P.
Nowakowski, K.
Przybylak, A.
Powiązania:: https://bibliotekanauki.pl/articles/335267.pdf
Data publikacji:: 2009
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: kompresja
dane
obiekt rolniczy
identyfikacja
agricultural objects
compression
date
identification
Opis:: Celem pracy było omówienie problematyki dotyczącej neuronowej kompresji danych graficznych z wykorzystaniem wybranej topologii sztucznej sieci neuronowej. Aspektem utylitarnym przeprowadzonej analizy była implementacja proponowanej metodyki kompresji obrazów graficznych w wytworzonym, oryginalnym systemie informatycznym "Sunflower.b", wspomagającym proces przetwarzania zdjąć wybranych obiektów rolniczych.
The aim of this work was to discuss issues relating to synthetic neural compression of graphical data using a topology of artificial neural networks. Utilitarian aspect of the analysis was the implementation of the proposed image compression technology in the original system "Sunflower.b ", supporting the processing of photos of selected agricultural objects.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2009, 54, 2; 19-23
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Neuronowa identyfikacja wybranych owadów z wykorzystaniem komputerowych technik analizy obrazu
Neural identification of selected kinds of insects based on computer technology for the images analysis
Autorzy:: Boniecki, P.
Piekarska-Boniecka, H.
Nowakowski, K.
Powiązania:: https://bibliotekanauki.pl/articles/335273.pdf
Data publikacji:: 2009
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: owad
technika komputerowa
identyfikacja
analiza obrazu
insect
computer technology
identification
image analysis
Opis:: Celem zrealizowanych badań była analiza możliwości wykorzystania sztucznych sieci neuronowych jako instrumentu przeznaczonego do identyfikacji motyli. Rozpoznawane owady reprezentowały gatunki, które są objęte ochroną prawną na terenie Polski. Neuronowej identyfikacji dokonano na podstawie (uprzednio pozyskanych) dwuwymiarowych obrazów, przedstawiających owady z rodziny Papilionidae.
There has been noticed growing explorers' interest in drawing conclusions based on information of data coded in a graphic form. The neuronal identification of pictorial data, with special emphasis on both quantitative and qualitative analysis, is more frequently utilized to gain and deepen the empirical data knowledge. Extraction and then classification of selected picture features, such as color or surface structure, enables one to create computer tools in order to identify these objects presented as, for example, digital pictures. The work presents original computer system designed to digitalize pictures on the basis of color criterion. The system has been applied to generate a reference "learning" file for the neural system to identify selected kinds of insects.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2009, 54, 2; 24-27
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Neuronowa analiza obrazu w procesie identyfikacji mechanicznych uszkodzeń wybranych ziarniaków kukurydzy
Image analysis and neural networks in the process of identifying selected mechanical damage to maize caryopses
Autorzy:: Nowakowski, K.
Boniecki, P.
Raba, B.
Powiązania:: https://bibliotekanauki.pl/articles/334094.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: analiza obrazu
uszkodzenie mechaniczne
kukurydza
identyfikacja
image analysis
maize
mechanical damage
identification
Opis:: Celem projektu badawczego było opracowanie modelu neuronowego do identyfikacji mechanicznych uszkodzeń ziarna kukurydzy na podstawie ich cyfrowych fotografii. Wybrany został zestaw cech charakterystycznych na podstawie, których możliwa jest klasyfikacja ziarniaków na zdrowe i uszkodzone. W wyniku badań otrzymano sztuczną sieć neuronową typu perceptron wielowarstwowy charakteryzującą się zdolnościami identyfikacyjnymi zbliżonymi do umiejętności człowieka.
The subject of the project was to develop a neural model for the identification of selected mechanical damage to maize caryopses on the basis of digital photographs. The author has selected a set of features that distinguish damaged t healthy caryopses. As a result of this study it has been obtained an artificial neural network of a multilayer perceptron type whose identification capacity is near of the human 's one.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2011, 56, 1; 100-102
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Identyfikacja parametrów agregatu pojazd-lekka naczepa rolnicza GN2000 z zastosowaniem metody eksperymentalnej analizy modalnej
Identification of parameters of the set the vehicle-the lightweight semitrailer GN2000 by means of the experimental modal analysis method
Autorzy:: Pawłowski, T.
Powiązania:: https://bibliotekanauki.pl/articles/335048.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: identyfikacja
parametry
naczepa rolnicza
analiza modalna
identification
parameters
semitrailer
modal analysis
Opis:: Przedstawiono wyniki identyfikacji agregatu pojazd-lekka naczepa rolnicza metodami eksperymentalnej analizy modalnej, Metody te pozwalają na identyfikację częstotliwości drgań własnych i wizualizację postaci drgań własnych agregatu. Uzyskane modele modalne mogą być stosowane do weryfikacji i walidacji modeli analitycznych, uzyskanych metodami elementów skończonych.
This paper presents results of experimental modal analysis of the set the vehicle - the lightweight semitrailer GN-2000. These method can be successfully used in the process of identification of resonant frequencies and visualization of modal shape of the set. Obtained experimental modal models can be used for updating FE models of agricultural machines.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2011, 56, 4; 62-66
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Wykorzystanie sieci neuronowych w procesie identyfikacji wołka zbożowego
Using of artificial neuronal networks in identification process of granary weevils
Autorzy:: Świerczyński, K.
Olejarski, P.
Boniecki, P.
Powiązania:: https://bibliotekanauki.pl/articles/336833.pdf
Data publikacji:: 2008
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: sieć neuronowa
wołek zbożowy
zboże
identyfikacja
neuronal network
identification
granary weevil
cereal crop
Opis:: Szkodniki magazynowe stanowią poważny problem podczas przechowywania zbóż. Zarażenie całej masy przechowywanego materiału może nastąpić przez niewielką ilość dostarczonego towaru wraz z szkodnikiem. Do tych najgroźniejszych szkodników zaliczamy wołka zbożowego [Sitophilus granarius (L.)], który rozmnaża się wewnątrz ziarniaka, powodując jednocześnie obniżenie jakości ziarna, co w efekcie końcowym wynosić może 5% strat. Jednym ze sposobów nie dopuszczenia do opisywanej sytuacji jest identyfikacja wołka podczas dostarczania zboża do magazynu. Możliwym rozwiązaniem jest wykorzystanie zdolności klasyfikacyjnych, jakie m.in. reprezentują sztuczne sieci neuronowe. Zbiór uczący, służący do budowy modeli neuronowych, został wygenerowany na postawie uzyskanych danych empirycznych z wykorzystaniem urządzania SKCS 4100 (Single Kernel Characterization System). Przeprowadzono analizę uzyskanych modeli, w wyniku której określono przydatność stosowania ich w procesie identyfikacji występowania wołka w ziarniaku.
Pests of granary constitute the serious problem while keeping cereal crops. Infecting the entire amount of stored material can follow through the sparseness of delivered goods together with pest. For most dangerous from the ones we rate granary weevil [Sitophilus granarius (L.)], which lives inside of kernel. It causes degradation of quality and the final effect, up to the 5% of losses. One resolution is that we cannot let to describable situation and we have to identify of weevil while we deliver cereal to granary. We can use classification ability of artificial networks. Data set, which we use for creation of neuronal models, was generated on the basis of received empirical data with using SKCS 4100 (Single Kernel Characterization System) device. Analysis of obtained models was carried out determining usefulness of applying them in the process of the identification of appearing of weevil in kernel.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2008, 53, 2; 73-75
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Neuronowa identyfikacja uszkodzeń ziarna pszenicy spowodowanych przez wołka zbożowego (Sitophilus granarius L.)
Neural identification of wheat grain damages caused by a grain weevil (Sitophilus granarius L.)
Autorzy:: Świerczyński, K.
Boniecki, P.
Nawrocka, A.
Powiązania:: https://bibliotekanauki.pl/articles/336096.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: identyfikacja
uszkodzenie
ziarno
pszenica
wołek zbożowy
identification
wheat grain
damages
grain weevil
Opis:: Celem pracy było określenie cech reprezentatywnych, opisujących wewnętrzne uszkodzenia ziarniaków wywołane przez wołka zbożowego. Na tej podstawie zbudowano 2 warianty zbiorów uczących (opartych na 2 różnych zbiorach zmiennych reprezentatywnych), które posłużyły do generowania 2 zestawów klasyfikatorów neuronowych. Następnie dokonano porównania jakościowego wytworzonych modeli oraz zaproponowano sieć optymalną (z punktu widzenia przyjętych założeń). Podkreślono aspekt utylitarny przeprowadzonych badań, wskazując na możliwość wsparcia (automatyzacji) procesów decyzyjnych zachodzących w trakcie magazynowania zbóż.
Determining characteristics of representative features, describing internal injuries triggered by a grain weevil was a purpose of the work. On this base teaching sets essential to produce classification neural models were built (for 2 variants). Next, the qualitative comparison of created models was executed and an optimal network proposed (taking into account admitted assumption). The investigations were being dedicated for assisting decision-making processes which occur during cereal crops storing.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2011, 56, 2; 165-173
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: Neural networks type MLP in the process of identification of chosen varieties of maize
Sieci neuronowe typu MLP w procesie identyfikacji wybranych odmian kukurydzy
Autorzy:: Boniecki, P.
Nowakowski, K.
Tomczak, R. J.
Powiązania:: https://bibliotekanauki.pl/articles/334052.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: sieci neuronowe typu MLP
identyfikacja
odmiana
kukurydza
neural networks type MLP
identification
maize
variety
Opis:: During the adaptation process of the weights vector that occurs in the iterative presentation of the teaching vector, the MLP type artificial neural network (Multi Layer Perception) attempts to learn the structure of the data. Such a network can learn to recognize aggregates of input data occurring in the input data set regardless of the assumed criteria of similarity and the quantity of the data explored. The MLP type neural network can be also used to detect regularities occurring in the obtained graphic empirical data. The neuronal image analysis is then a new field of digital processing of signals. It is possible to use it to identity chosen objects given in the form of bit map. If at the network input, a new unknown case appears which the network is unable to recognize, it means that it is different from all the classes known previously. The MLP type artificial neural network taught in this way can serve as a detector signaling the appearance of a widely understood novelty. Such a network can also look for similarities between the known data and the noisy data. In this way, it is able to identity fragments of images presented in photographs of e.g. maize grain. The purpose of the research was to use the MLP neural networks in the process of identification of chosen varieties of maize applying the image analysis method. The neuronal classification shapes of grains was performed with the use of the Johan Gielis super formula.
Podczas iteracyjnej korekcji wektora wag, zachodzącej w trakcie procesu uczenia sieci neuronowej typu MLP (perceptron wielowarstwowy), następuje adaptacja (przez tworzony model neuronowy) wiedzy zawartej w strukturze analizowanych danych. W badaniach prowadzonych w dyscyplinie inżynieria rolnicza, istotne znaczenie ma proces pozyskiwania informacji zakodowanej w postaci graficznej, np. w formie zdjąć cyfrowych. Często zmiennymi reprezentatywnymi, które w sposób wystarczający charakteryzują zobrazowany obiekt, są wybrane współczynniki kształtu. Celem badań było wykorzystanie sieci neuronowych typu MLP w procesie identyfikacji wybranych odmian kukurydzy z wykorzystaniem metod analizy obrazu. Wykorzystana metoda klasyfikacji polegała na rozpoznawaniu różnic kształtów analizowanych obiektów. Neuronowa identyfikacja została wykonana z użyciem super formuły Johana Gielisa.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2011, 56, 1; 11-13
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

Tytuł:: The importance of structural and practical unidentifiability in modeling and testing of agricultural machinery. Identifiability testing of aggregate model parameters tractor baler-wrapper
Znaczenie nieidentyfikowalności strukturalnej i praktycznej w modelowaniu i badaniach maszyn rolniczych. Badanie identyfikowalności parametrów modelu agregatu ciągnik-prasoowijarka
Autorzy:: Kromulski, Jacek
Szczepaniak, Jan
Mac, Jarosław
Wojciechowski, Jacek
Zawada, Michał
Szulc, Tomasz
Rogacki, Roman
Jakubowski, Łukasz
Aleksandrowicz, Roman
Powiązania:: https://bibliotekanauki.pl/articles/1333638.pdf
Data publikacji:: 2021-06-30
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: dynamic modelling
identifiability
parameter identification
agricultural machine
modelowanie dynamiczne
identyfikowalność
identyfikacja parametrów
maszyna rolnicza
Opis:: New methods of parametric identification are presented in particular tests of identifiability and non-identifiability of model parameters. A definition of the concept of identifiability of model parameters is presented. Methods for testing identifiability using Laplace transform using similarity transformation and using symbolic calculations are described. Available software for testing model identifiability is presented. These are programs for symbolic calculations (MAPLE MATHEMATICA) operating in the form of web applications and in the form of tools for the Matlab environment. The method of introducing the model to the computational environment in the form ordinary differential equations (ODE) is presented. Examples of calculations identifiability of parameters of the complex model of the tractor-single-axle agricultural machine e.g. a baler-wrapper are included.
Przedstawiono nowe metody prowadzenia identyfikacji parametrycznej w szczególności badania identyfikowalności oraz nieidentyfikowalności parametrów modelu. Przedstawiono definicję pojęcia identyfikowalności parametrów modelu. Opisano metody badania identyfikowalności za pomocą transformacji Laplace'a z zastosowaniem transformacji podobieństwa oraz za pomocą obliczeń symbolicznych. Przedstawiono dostępne oprogramowanie do badania identyfikowalności modelu. Są to programy do obliczeń symbolicznych (MAPLE MATHEMATICA) działające w formie aplikacji sieciowych oraz w postaci przyborników do środowiska Matlab. Przedstawiono sposób wprowadzenia modelu do środowiska obliczeniowego w postaci równań różniczkowych zwyczajnych. Zamieszczono przykładowe wyniki obliczeń identyfikowalności parametrów złożonego modelu układu ciągnik-jednoosiowa maszyna rolnicza, np. prasoowijarka.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2021, 66, 1; 4-9
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 13.

Tytuł:: Konwersja graficznych danych empirycznych do postaci zbiorów uczących w procesie neuronowej identyfikacji szkodników jabłoni
Empirical graphics data conversion to learning sets in apple-tree pests neural identification process
Autorzy:: Majewski, A.
Powiązania:: https://bibliotekanauki.pl/articles/336457.pdf
Data publikacji:: 2007
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: szkodnik
identyfikacja neuronowa
sztuczna sieć neuronowa
SSN
pest
neural identification process
artificial neural network
ANN
Opis:: Szkodliwość oddziaływania owadów na rośliny uprawne polega przede wszystkim na ich żerowaniu. Fakt ten powoduje daleko posunięte zmiany w morfologii i fizjologii roślin, co w efekcie końcowym prowadzi do ich zamierania. Żeby prawidłowo oznaczyć szkodnika, trzeba mieć możliwość identyfikacji cech kluczowych. Cechy te umiejscowione są na rozmaitych częściach ciała. Wymaga to jednak sporej wiedzy i dobrego rozeznania w grupach. Dotychczasowe metody identyfikacji owadów opierają się na rozpoznawaniu za pomocą kluczy. Klucze używane przez badaczy są ściśle dopasowane do danego osobnika. W zależności od rodzaju czy gatunku szkodnik może być opisany za pomocą setek a nawet tysięcy kluczy, co świadczy o trudności i czasochłonności w ich oznaczaniu. Sztuczne sieci neuronowe ze względów technicznych są uproszczonym symulatorem pracy ludzkiego mózgu posiadając jego cechy. Potrafią się uczyć, są mało wrażliwe na niekompletną informację wejściową przetwarzają wprowadzone sygnały i podają na wyjściu wyniki w czasie rzeczywistym [2]. Wskazane właściwości oraz analizy podczas badań pozwalają przypuszczać, że SNN mogą wykonać zadanie identyfikacji podobnie jak człowiek. Dzięki takiemu zautomatyzowaniu procesu identyfikacji udałoby się wyeliminować współczynnik obiektywizmu.
The mischievous of insects is mostly about their preying on the cultivated plants. In order to identify a pest correctly, one has to have the ability to identify its key characteristics. These are placed all over the insects corpse. A pest can be described by hundreds or even thousands of 'keys' - depending on the kind or species - what proves how difficult and time-consuming the identification is. ANN (Artificial Neural Networks) can learn, are less sensible to incomplete incoming information, they are processing entered signals and give results in actual time. The above properties and the analysis during the research allow to make a conclusion that ANN may do the identification task similarly to a human being. Thanks to such identification process automation it could be possible to eliminate the objectivism factor.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2007, 52, 1; 37-40
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 14.

Tytuł:: Identyfikacja parametryczna na przykładzie sztywności poprzecznej agregatu rolniczego w aspekcie bezpieczeństwa ruchu
Parametric identification on the example of the lateral stiffness of the agricultural unit in the aspect of traffic safety
Autorzy:: Pawłowski, T.
Wojciechowski, J.
Osmólski, W.
Powiązania:: https://bibliotekanauki.pl/articles/335943.pdf
Data publikacji:: 2012
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: ciągniki
przyczepy
drogi publiczne
bezpieczeństwo ruchu
identyfikacja parametryczna
modele matematyczne
tractors
trailers
public roads
safety of the move
parametric identification
mathematical models
Opis:: W artykule przedstawiony został opis procesu identyfikacji parametrycznej modelu agregatu rolniczego ciągnik - przyczepa. Jako model wyjściowy wybrano płaski model, który jest rozwinięciem znanego w literaturze dwukołowego modelu (tzw. model rowerowy). Jako metodę identyfikacji zastosowano minimalizację funkcji strat, zależnej od różnicy między wartościami otrzymanymi z obliczeń symulacyjnych i z eksperymentu identyfikacyjnego. W skrócie opisano przeprowadzony eksperyment identyfikacyjny. Przedstawiono zagadnienie doboru algorytmu optymalizacyjnego oraz zagadnienie identyfikacji obciążeń działających na pojazd w czasie ruchu. Zaprezentowano również przykładowe wyniki identyfikacji.
The article presents description of parametric identification process of agricultural unit model. It is a 2D (flat) model based on the so-called bicycle models that are often referenced in the literature. The minimization of loss function is used as identification method. The function depends on difference between results obtained by simulation and by identification experiment. The identification test was described in short. Problem of optimization algorithm selection and the problem of identification of loads acting on the vehicle while in motion were presented. Some results of identification were also presented.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2012, 57, 2; 145-152
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 15.

Tytuł:: Wykorzystanie robota mobilnego do inspekcji rurociągów kanalizacyjnych i wentylacji
Mobile robot utilization in case of inspection of sanitation and ventilation pipes
Autorzy:: Barczak, R.
Koszela, K.
Nowakowski, K.
Tomczak, R. J.
Powiązania:: https://bibliotekanauki.pl/articles/336066.pdf
Data publikacji:: 2012
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: sztuczna inteligencja
roboty mobilne
analiza obrazów
oprogramowanie
identyfikacja obiektów
monitorowanie
artificial intelligence
mobile robots
image analysis
software
identification of objects
monitoring
Opis:: Dynamiczny rozwój sztucznej inteligencji w ostatnich latach spowodował, że budowa oraz wykorzystanie w praktyce robotów mobilnych stało się faktem. Do niedawna roboty były wytworem wyobraźni reżyserów czy też kojarzone były wyłącznie z filmami science-fiction. Dziś można stwierdzić, że od kiedy są stosowane na skalę przemysłową to usprawniły i zrewolucjonizowały wiele czynności realizowanych przez człowieka, wspomagając lub całkowicie zastępując jego pracę [3]. Należy podkreślić, że roboty stosowane są wielu obszarach gospodarki, takich jak przemysł ciężki i lekki, wojsko, medycyna oraz rolnictwo. Celem pracy badawczej było zaprojektowanie i zbudowanie robota mobilnego wraz z opracowaniem autorskiego oprogramowania do procesu akwizycji obrazu oraz możliwości monitorowania miejsc trudno dostępnych dla człowieka.
In recent years, there has been a rapid advancement in artificial intelligence and this has led to the widespread construction and usage of mobile robots. Until recently, robots were a figment of imagination of the science-fiction directors. Now, as a result of the commercial use robots have revolutionized man's work helping people in their activities or even replacing people at work [3]. It should be stressed that robots are used in many areas of the economy, such as light and heavy industry, army, medicine and agriculture. The objectives of this research work were to design and construct a mobile robot as well as to write the original software for the image acquisition, which would allow us to monitor hard-to-reach places.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2012, 57, 2; 11-14
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "Identyfikacja" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język