Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "klasyfikacja obrazu" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Zastosowanie metody wektorów nośnych oraz komputerowej analizy obrazu w klasyfikacji korzeni marchwi
Application of support vector machines and digital image analysis in carrot roots classification
Autorzy:
Janaszek, M.
Trajer, J.
Powiązania:
https://bibliotekanauki.pl/articles/290488.pdf
Data publikacji:
2010
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
analiza obrazu
klasyfikacja
marchew
SVM
digital image analysis
classification
carrot
Opis:
W pracy poruszono zagadnienie podejmowania decyzji o przydatności przetwórczej marchwi na podstawie uproszczonej informacji o barwie jej korzeni. Sprawdzono w jakim stopniu barwa pozwoli na odwzorowanie skupień korzeni o podobnych cechach chemicznych, decydujących o dalszym przeznaczeniu surowca. Do klasyfikacji korzeni wykorzystano metodę wektorów nośnych (SVM). Barwę marchwi odczytano z cyfrowych obrazów jej korzeni. Trafność klasyfikacji w zbiorze testowym wskazuje, że barwę można wykorzystać do opracowania wielokryterialnej klasyfikacji marchwi pod względem jej przydatności przetwórczej.
The article presents the study concerning the question of deciding on the processing suitability of carrot on the basis of simplified information about the color of roots. A possibility of mapping clusters of carrot roots having a similar chemical composition, which determine the further allocation of raw material, was examined. In classification of the roots support vector machine (SVM) was used. Carrot color was read from a digital image of its roots. Classification accuracy in the test set indicates that the color can be used to develop a multi-classification of carrots in terms of its processing suitability.
Źródło:
Inżynieria Rolnicza; 2010, R. 14, nr 7, 7; 75-80
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Dyskryminacja odmian ziarna pszenicy na podstawie cech geometrycznych
Discrimination of wheat seed varieties on the basis of geometrical characteristics
Autorzy:
Zapotoczny, P.
Powiązania:
https://bibliotekanauki.pl/articles/291520.pdf
Data publikacji:
2009
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
ziarno
analiza obrazu
klasyfikacja
geometria
seed
image analysis
classification
geometry
Opis:
Celem pracy było poszukiwanie takich wyróżników geometrii 16 odmian ziarna pszenicy, które pozwolą na ich dyskryminacje. Do identyfikacji właściwości geometrycznych wykorzystano stanowisko do komputerowej analizy obrazu, oparte na pozyskiwania obrazu ziarniaków za pomocą aparatu fotograficznego. Każdy z ziarniaków został opisany przez 66 zmiennych geometrycznych. Analiza statystyczna wyników przebiegała dwuetapowo. W pierwszym etapie przeprowadzono redukcję zmiennych do najlepiej dyskryminujących, natomiast w drugim etapie przeprowadzono analizę dyskryminacyjną. Błąd klasyfikacji odmian jarych wyniósł 10,55%, natomiast odmian ozimych 4,58%.
The purpose of the work was to try to find these geometry characteristics for 16 wheat seed varieties, which will allow their discriminations. Workstation for computer image analysis, based on acquiring seed image using a camera, was used for identifying geometrical properties. Each seed was described by 66 geometrical variables. Statistical analysis of results proceeded in two stages. The first stage involved reduction of variables to those discriminating best, whereas discriminant analysis was made in the second stage. Classification error for spring varieties was 10.55%, and 4.58% for winter varieties.
Źródło:
Inżynieria Rolnicza; 2009, R. 13, nr 5, 5; 319-328
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The use of neural image analysis in the identification of information encoded in a graphical form
Wykorzystanie neuronowej analizy obrazów w identyfikacji informacji zakodowanej w formie graficznej
Autorzy:
Koszela, K.
Boniecki, P.
Kuzimska, T.
Powiązania:
https://bibliotekanauki.pl/articles/956540.pdf
Data publikacji:
2015
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
identification of class oocytes
quality classification
computer image analysis
image analysis
artificial neural networks
identyfikacja klas oocytów
klasyfikacja jakościowa
analiza obrazu
sztuczne sieci neuronowe
Opis:
Numerous scientific and research centres are searching for solutions concerning the problem of quality classification of animal oocytes. Conducting such studies is purposeful, particularly in the context of constant attempts to improve the quality of food products, which depends on the breeding value of livestock. Therefore, searching for methods of stimulation of proper development of a larger number of animal oocytes, particularly in extracorporeal conditions, gains special importance. An increasing interest in assisted reproduction techniques resulted in searching for new, increasingly effective methods of quality assessment of mammalian gametes and embryos. The expected progress in the production of animal embryos in vitro is largely dependent on proper classification of obtained oocytes. The aim of this work was to develop a non-invasive method for the quality assessment of oocytes, performed on the basis of graphic information encoded in the form of monochromatic digital images obtained via microscopy techniques. The classification process was conducted based on the information presented in the form of microphotography pictures of domestic pig oocytes, using advanced methods of neural image analysis.
Rozwiązaniem problemu klasyfikacji jakościowej oocytów zwierzęcych zajmuje się wiele różnych ośrodków naukowo-badawczych. Celowość prowadzenia takich badań jest uzasadniona szczególnie w kontekście ciągłego dążenia do podnoszenia jakości produktów żywnościowych, która jest pochodną wartości hodowlanej zwierząt gospodarskich. W związku z tym, istotnego znaczenia nabierają poszukiwania metod prowadzących do stymulowania prawidłowego rozwoju większej liczby zapładnianych oocytów zwierzęcych, zwłaszcza realizowanego w warunkach pozaustrojowych. Rosnące zainteresowanie technikami wspomaganego rozrodu stało się przyczyną poszukiwania nowych, coraz bardziej efektywnych metod oceny jakościowej gamet oraz zarodków ssaków. Oczekiwany postęp w produkcji zarodków in vitro zwierząt uzależniony jest w istocie od poprawnej klasyfikacji pozyskiwanych oocytów. Celem pracy było opracowanie bezinwazyjnej metody oceny jakościowej oocytów dokonywanej w oparciu o informację graficzną zakodowana w postaci monochromatycznych obrazów cyfrowych pozyskanych metodą mikroskopową. Proces klasyfikacji zrealizowano w oparciu o informację prezentowaną w formie zdjęć mikrofotograficznych oocytów świni domowej, wykorzystując w tym celu nowoczesne metody neuronowej analizy obrazu.
Źródło:
Agricultural Engineering; 2015, 19, 3; 25-35
2083-1587
Pojawia się w:
Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies