Temat: neural image analysis - Katalog OPAC zbiorów

Skocz do pozycji: 1.

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: 2.

Tytuł:: Binaryzacja obrazów mikrofotograficznych oocytów świni domowej w procesie neuronowej analizy obrazu
Binarization of the microphotography images of porcine oocytes in the process of neural image analysis
Autorzy:: Dejewska, T.
Boniecki, P.
Jaśkowski, J. M.
Jakubek, A.
Powiązania:: https://bibliotekanauki.pl/articles/336286.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: binaryzacja
obraz mikrofotograficzny
świnia domowa
analiza obrazu
binarization
microphotography
neural image analysis
Opis:: Celem pracy było zbadanie możliwości pozyskiwania informacji z obrazów przedstawiających oocyty świni domowej z wykorzystaniem procesu binaryzacji, w celu tworzenia zbiorów uczących, niezbędnych do generowania modeli neuronowych. Zwrócono uwagę na główny problem związany z stosowaniem tego przetwarzania, jakim jest dobór odpowiedniego progu. W niniejszym opracowaniu zestawiono efekty zastosowania binaryzacji dla analizowanych zdjęć z wykorzystaniem różnych metod doboru progów. Zweryfikowano celowość używania tej metody w badanych obrazach, jak również przesłanki do stosowania odpowiednich parametrów binaryzacji.
The aim of this study was to analyze the possibilities of the acquisition of information from images of porcine oocytes using binarization. Also attention was paid to the main problem of this processing, which is the selection of an adequate threshold. In this study summarizes the effects of binarization for the analyzed images using different methods of selecting thresholds. Purposefulness of using this method in the test images was verified, as well as the conditions for application of the adequate parameters of binarization.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2011, 56, 2; 37-39
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:: System informatyczny "nStraw" wspomagający neuronową identyfikację stopnia dojrzałości kompostu
Computer system "nStraw" assisting a neural identification of compost maturity
Autorzy:: Boniecki, P.
Jakubek, A.
Kuzimska, T.
Pilarski, K.
Powiązania:: https://bibliotekanauki.pl/articles/336465.pdf
Data publikacji:: 2012
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: kompost
dojrzałość
analiza obrazu
sztuczna inteligencja
sieci neuronowe
compost
maturity
image analysis
artificial intelligence
neural networks
Opis:: Celem pracy była neuronowa identyfikacja stopnia rozkładu materiału organicznego (słomy) na podstawie informacji graficznej, uzyskanej przy użyciu metod analizy obrazu. W tym celu opracowano oryginalny system informatyczny "nStraw", umożliwiający edycję obrazów cyfrowych, akwizycję danych graficznych, ich analizę oraz konwersję do zbiorów uczących w postaci akceptowalnej przez symulator sztucznych sieci neuronowych.
The aim of this study was to describe a neural identification of the level of decomposition of organic material, based on graphic information, which is obtained by using image analysis. For this purpose, a neural network "nStraw" was generated for editing images, data retrieval and analysis.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2012, 57, 1; 21-25
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 identification of images showing selected varieties of stored potatoes
Neuronowa identyfikacja obrazów wybranych odmian magazynowanych ziemniaków
Autorzy:: Lange, D. M.
Przybył, K.
Łukomski, M.
Koszela, K.
Boniecki, P.
Powiązania:: https://bibliotekanauki.pl/articles/334965.pdf
Data publikacji:: 2018
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: artificial neural networks
neural modeling
image analysis
graphic descriptors
edible potato tubers
sztuczne sieci neuronowe
modelowanie neuronowe
analiza obrazu
deskryptor graficzny
bulwa
ziemniak jadalny
Opis:: In recent years, there has been a growing interest in the use of modern IT tools in agricultural engineering. Both image analysis methods and artificial neural networks, designed to reproduce the work of the human brain, serve to build predictive and classification models, highly useful for modern agriculture. Correct identification of both the seed material and the produced crops becomes a priority of agricultural engineering, ensuring adequate efficiency and cost-effectiveness of agrotechnical operations. This article presents a project whose aim was to develop an effective neural model for qualitative identification of the variety of stored consumer potato tubers by using input data obtained in the process of digital image analysis. The designed and created artificial neural network model (multilayer perceptron), using informations in the form of selected graphic descriptors, classifies three selected varieties of edible potato (Denar, Gala, Vineta).
W ostatnich latach dostrzec można wzrastające zainteresowanie wykorzystywaniem nowoczesnych narzędzi informatycznych w inżynierii rolniczej. Zarówno metody analizy obrazu, jak i sztuczne sieci neuronowe, mające odwzorowywać pracę ludzkiego mózgu, służą budowaniu modeli predykcyjnych i klasyfikacyjnych, wysoce użytecznych dla współczesnego rolnictwa. Właściwa identyfikacja zarówno materiału siewnego, jak i wytworzonych plonów, staje się priorytetem inżynierii rolniczej, zapewniając odpowiednią efektywność i opłacalność przeprowadzanych zabiegów agrotechnicznych. Niniejszy artykuł przedstawia projekt, którego celem było opracowanie efektywnego modelu neuronowego służącego do identyfikacji jakościowej odmiany magazynowanych bulw ziemniaków konsumpcyjnych przy użyciu danych wejściowych pozyskanych w procesie analizy obrazów cyfrowych. Zaprojektowany i wytworzony model sztucznej sieci neuronowej (perceptron wielowarstwowy), korzystający z informacji w postaci wybranych deskryptorów graficznych, klasyfikuje trzy wybrane odmiany ziemniaka jadalnego (Denar, Gala, Vineta).
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2018, 63, 4; 110-113
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:: System informatyczny PiAO2 jako narzędzie wspomagające bezwzorcową neuronową klasyfikację pomidorów
Computer system PiAO2 as a tool for assist neural classification of tomatoes without supervision
Autorzy:: Boniecki, P.
Zaborowicz, M.
Przybył, K.
Pilarski, K.
Powiązania:: https://bibliotekanauki.pl/articles/336447.pdf
Data publikacji:: 2012
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: pomidory
analiza obrazu
sztuczna inteligencja
sieci neuronowe
systemy informatyczne
tomatoes
image analysis
artificial intelligence
neural networks
computer systems
Opis:: Analiza obrazów oraz pozyskiwanie danych zawartych w obrazach cyfrowych są istotnym elementem w procesie generowania zbiorów uczących, przeznaczonych do budowy modeli neuronowych. Wraz z rozwojem komputerowej analizy obrazu możliwe jest pozyskiwanie coraz większej ilości danych. Dlatego zasadne jest tworzenie nowych oraz modyfikowanie istniejących systemów informatycznych, wspierających neuronową analizę obrazów o nowe funkcje, zwiększające użyteczność tych aplikacji.
Image analysis and gathering data from digital images is an important element in process of generating learning sets for the construction of the neural models. With the development of computer image analysis it is possible to obtain more data. This is a reason to create and develop computer systems that support neural image analysis and increase usability of this software.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2012, 57, 1; 26-28
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:: Use of information technology in the evaluation of contamination in flour
Zastosowanie technik informatycznych w ocenie zanieczyszczeń w mące
Autorzy:: Szwedziak, K,
Krótkiewicz, M.
Królczyk, J.
Powiązania:: https://bibliotekanauki.pl/articles/337477.pdf
Data publikacji:: 2014
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: image analysis
artificial neural network
quality assessment
pollution
grain mill product
image recognition
analiza obrazu
sztuczna sieć neuronowa
ocena
jakość
zanieczyszczenie
produkt
przemiał zbóż
rozpoznawanie obrazu
Opis:: During the flour manufacturing process flour may be contaminated resulting in lower quality. Before placing a product in the commercial circulation flours are subjected to laboratory analysis, including in terms of product purity. This analysis is based on organoleptic determination (through visual inspection) of the amount of impurities in the flour and in the cereal products. This paper presents innovative techniques to assess quality in terms of pollution of flour using image analysis and artificial neural networks (ANN).
W czasie procesu technologicznego produkcji mąki, może ona ulec zanieczyszczeniu, co powoduje obniżenie jej jakości. Przed wprowadzeniem produktu do obiegu konsumpcyjnego, mąki poddawane są analizie laboratoryjnej, między innymi pod względem czystości produktu. Analiza ta polega na organoleptycznym określeniu za pomocą zmysłu wzroku ilości zanieczyszczeń w mące i przetworach zbożowych. W artykule przedstawiono innowacyjne techniki oceny jakości pod względem zanieczyszczeń mąki wykorzystujące analizę obrazu oraz sztuczne sieci neuronowe (SSN).
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2014, 59, 1; 121-125
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:: Use of neuron image analysis to build classification model of corpora lutea of domestic cattle
Wykorzystanie neuronowej analizy obrazu w budowie modelu klasyfikacyjnego ciałek żółtych u bydła domowego
Autorzy:: Górna, K.
Zaborowicz, M.
Jaśkowski, B. M.
Idziaszek, P.
Okoń, P.
Boniecki, P.
Przybył, J.
Powiązania:: https://bibliotekanauki.pl/articles/337157.pdf
Data publikacji:: 2016
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: neural modeling
computer image analysis
corpus luteum
ovaries
domestic cattle
modelowanie neuronowe
komputerowa analiza obrazu
ciałko żółte
jajnik
bydło domowe
Opis:: The paper presents the results of studies on the usefulness of the texture images USG (ultrasonography) analysis by GLCM (Gray Level Co-Occurrence Matrix) in neural modeling. Tests pertained to the efficacy of the classification of the corpora lutea located in ultrasound images of the domestic cattle ovaries performed by artificial neural networks. The tests were performed using three different methods: the first one used unprocessed images - raw, the second method used image processing - unsharp mask. In the third method the raw images were processed by filter reducing the noise - despeckle filter. For each of the presented methods, the best generated neural network model had the structure of the MLP (Multi Layers Perceptron). The best results, in terms of artificial neural network were obtained in the case of ultrasound images that were not processed prior to texture analysis. As a result, it generated MLP neural model of structure 5:5-8-1:1.
W pracy zaprezentowano wyniki przeprowadzonych badań nad przydatnością analizy tekstury obrazów USG (UltraSonoGraphy) metodą GLCM (Gray Level Co-Occurrence Matrix) w modelowaniu neuronowym. Sprawdzano skuteczność klasyfikacji przez sztuczne sieci neuronowe ciałek żółtych znajdujących się na obrazach USG jajników bydła domowego. Badania wykonano za pomocą trzech różnych metod: w pierwszej wykorzystano obrazy nieprzetworzone - surowe, w drugiej posłużono się metodą przetwarzania obrazu - filtrem wyostrzającym. Natomiast w trzecim sposobie obrazy surowe zostały przetworzone filtrem redukującym zaszumienia. Dla każdej z zaprezentowanych metod, najlepszy wygenerowany model sieci neuronowej miał strukturę MLP (Multi Layer Perceptron). Najlepsze wyniki, pod względem jakości sztucznej sieci neuronowej uzyskano w przypadku obrazów USG, które nie były przetwarzane przed analizą tekstur. W efekcie wygenerowano model neuronowy MLP o strukturze 5:5-8-1:1.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2016, 61, 3; 162-166
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:: Klasyfikacja suszu pietruszki z wykorzystaniem sztucznych sieci neuronowych
Classification of dried parsnip using artificial neural networks
Autorzy:: Koszela, K.
Powiązania:: https://bibliotekanauki.pl/articles/336411.pdf
Data publikacji:: 2012
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: zastosowanie komputerów
analiza obrazów
sztuczna inteligencja
sieci neuronowe
susz pietruszki
computer applications
image analysis
artificial intelligence
neural networks
dried parsnip
Opis:: W ostatnich latach prace naukowo-badawcze realizowane w inżynierii rolniczej coraz częściej wykorzystują nowoczesne narzędzie modelowania, jakim są sztuczne sieci neuronowe. To narzędzie, jako uniwersalny aproksymator, w połączeniu z komputerową analizą obrazów, stosowane jest do tworzenia modeli empirycznych, opisujących zjawiska i procesy występujące w pozyskiwaniu i przetwarzaniu materiałów roślinnych. Szczególną cechą sztucznych sieci neuronowych jest zdolność uogólniania nabytej wiedzy, co jest ważnym aspektem w badaniach na obiektach o dużej liczbie czynników determinujących dany proces. Celem pracy badawczej było opracowanie modelu neuronowego do oceny jakości suszu pietruszki i jego klasyfikacji na podstawie cyfrowych fotografii. Do analizy i klasyfikacji wykorzystano susz pietruszki pozyskany metodą konwekcyjną. Do modelu klasyfikacyjnego wybrano cechy charakterystyczne, które umożliwiały klasyfikację ze względu na jakość suszu. W wyniku przeprowadzonych badań wygenerowano kilka modeli neuronowych, które poddano weryfikacji i walidacji.
In recent years, agricultural engineers working in research have been using modern modeling tools, such as artificial neural networks, with increasing frequency. This tool, as a universal approximator together with computer image analysis is used to create empirical models that describe phenomena and processes involved in extracting and processing plant materials. Artificial neural networks are able to generalize from acquired knowledge, and this is an important feature when analyzing data involving a large range of factors to determine a given process. The objective of this research work was to develop a neural model allowing the assessment of dried parsnip quality and its classification on the basis of digital photos. Obtained by the convection method, the dried parsnip was analysed and classified. Its characterisctic features were chosen, allowing classification according to quality. As the result of the research, a number of generated neural models were verified and validated.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2012, 57, 1; 87-90
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:: Neuronowe rozpoznanie ciąży na podstawie obrazów ultrasonograficznych macicy krowy z wykorzystaniem systemu informatycznego "USG Recognizer"
Neural identification of the embryo of calf based on ultrasound images of the cow s womb using computer system "USG Recognizer"
Autorzy:: Kuzimska, T.
Boniecki, P.
Jaśkowski, J. M.
Przybył, K.
Powiązania:: https://bibliotekanauki.pl/articles/336377.pdf
Data publikacji:: 2012
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: krowa
macica
ciąża
ultrasonografia
analiza obrazu
sztuczna inteligencja
sieci neuronowe
modelowanie neuronowe
systemy informatyczne
cow
womb
pregnancy
ultrasonography
image analysis
artificial intelligence
neural networks
neural modeling
computer systems
Opis:: W pracy zaprezentowano wytworzony, oryginalny system informatyczny "USG Recognizer", który zaopatrzony został w szereg funkcji wspomagających tworzenie adekwatnych zbiorów uczących, niezbędnych w procesie generowania modeli neuronowych. Dzięki tym funkcjonalnościom możliwa jest identyfikacja oraz ekstrakcja wiedzy zawartej w graficznych danych empirycznych, zakodowanej w postaci cyfrowych zdjęć ultrasonograficznych. W oparciu o zbudowaną aplikację wygenerowana została sztuczna sieć neuronowa, której celem było wspomaganie rozpoznania lub wykluczenia ciąży, dokonanego na podstawie ultrasonogramów macicy krowy. Zaproponowany system informatyczny "USG Recognizer" został zbudowany z wykorzystaniem środowisk: Visual Paradigm (UML 8.0) oraz Microsoft Visual Studio 2010 Professional Edition.
The software "USG Recognizer" that was described in this work is equipped with a binarization function with threshold. The application also fulfills some additional functions such as: contrast and closing. With this functionality it is possible to achieve empirical data from digital ultrasound photo of cow's womb. The artificial neural network was generated on the basis of created application. The main purpose of this network is to support an identification or exclusion of the gestation in user's ultrasound picture. "USG Recognizer" was created using Visual Paradigm (UML 8.0) and Microsoft Visual Studio 2010 Professional Edition environments.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2012, 57, 1; 96-100
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:: Maturity classification for composted sewage sludge and rapeseed straw mixture based on neural analysis of images acquired in UV-A light
Klasyfikacja dojrzałości kompostowanej mieszaniny osadu ściekowego i słomy rzepakowej na podstawie neuronowej analizy obrazów pozyskanych w świetle UV-A
Autorzy:: Kujawa, S.
Powiązania:: https://bibliotekanauki.pl/articles/336582.pdf
Data publikacji:: 2018
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: image analysis
neural networks
UV-A lighting
compost maturity
communal sewage sludge
rapeseed straw
analiza obrazu
sieci neuronowe
oświetlenie UV-A
dojrzałość kompostu
komunalny osad ściekowy
słoma rzepakowa
Opis:: Composting is one of the most efficient ways of managing municipal sewage sludge. Recently, due to the increased demand for composting, the issue of conducting this process in cost effective way is of particular importance. Determining the early maturity stage of the composted material can significantly improve the efficiency of surface management of relatively expensive compost plant. The following research presents classification of neural models for determining the early stage of composted mixture of sewage sludge and rapeseed straw, basing on information contained in images of material samples obtained with UV-A illumination. The topology of the MLP network was used in the construction of classification models. As input variables, 25 color parameters and 21 texture parameters were originally used, but also steps were taken to eliminate their number. The classification error for the developed neural models ranged from 1.83 to 4.27%. The best model in terms of the lowest value of error, and the smallest number of input variables required, included 16 neurons in the input layer, 50 neurons in the hidden layer and 2 neurons in the output layer. The following model is characterized by a slightly lower classification error and a slightly simpler structure than the best possible model developed in earlier studies for visible light illumination.
Kompostowanie jest jednym z najwłaściwszych sposobów zagospodarowania komunalnych osadów ściekowych. W ostatnim czasie, ze względu na wzmożone zapotrzebowania na kompostowanie tych osadów, szczególnego znaczenia nabiera kwestia prowadzenia tego procesu w sposób wydajny. Odpowiednio wczesne wykrywanie osiągnięcia przez kompostowany materiał stadium wczesnej dojrzałości może znacząco poprawić efektywność gospodarowania powierzchnią relatywnie drogiej płyty kompostowej. W pracy opracowano klasyfikacyjne modele neuronowe do określania tego stadium dla kompostowanej mieszaniny osadu ściekowego i słomy rzepakowej, bazujące na informacjach zawartych w obrazach próbek materiału, pozyskanych przy oświetleniu UV-A. Przy budowie modeli klasyfikacyjnych wykorzystano topologię sieci MLP. Jako zmienne wejściowe pierwotnie wykorzystano 25 parametrów dotyczących barwy oraz 21 parametrów dotyczących tekstury, przy czym wykonano również działania dążące do eliminacji ich liczby. Błąd klasyfikacji dla opracowanych modeli neuronowych zawierał się w przedziale od 1.83 do 4.27%. Najlepszy model pod względem najniższej wartości tego błędu, a przy tym najmniejszej liczby wymaganych zmienny wejściowych, zawierał 16 neuronów w warstwie wejściowej, 50 neuronów w warstwie ukrytej i 2 neurony w warstwie wyjściowej. Model ten cechował się nieco niższym błędem klasyfikacji i nieco prostszą strukturą, niż najlepszy z modeli opracowanych we wcześniejszych badaniach dla oświetlenia w postaci światła widzialnego.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2018, 63, 4; 94-100
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 "neural image analysis" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język