Informacja

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

Wyszukujesz frazę "corn kernel" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Accurate measurements and establishment of a model of the mechanical properties of dried corn kernels
Autorzy:
Feng, J.
Wu, Z.
Qi, D.
Jin, Y.
Wu, W.
Powiązania:
https://bibliotekanauki.pl/articles/2082547.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Instytut Agrofizyki PAN
Tematy:
thin layer drying
corn kernel
mechanical property
model
Opis:
Mechanical drying significantly affects the mechanical properties of corn kernels. Improper drying may result in material losses and in a decline in quality due to pressure, collisions, and other factors during subsequent storage and transport operations. A literature survey revealed that at time of writing the characteristics of dried corn kernels have not been systematically and fully studied. In this paper, an orthogonal rotation combination test scheme was designed. Using a multiparameter controllable thin layer drying test bench, corn was dried under different conditions (temperature 30-60°C, relative humidity 30-60%, air velocity 0.46-0.94 m s–1, initial moisture content of corn of 20-30% w.b., tempering ratio 0-3). Then, a texture analyser was used to measure the mechanical properties (rupture force, rupture energy, modulus of elasticity and brittleness) of the dried corn kernels. Relationship models were established for the rupture force, rupture energy, modulus of elasticity and brittleness and drying conditions of corn kernels. An increase in the drying temperature from 30 to 60°C increased the rupture energy, elastic modulus, and brittleness of the corn kernels by 19.11, 11.76, and 4.02%, respectively; an increase in the drying relative humidity from 30 to 60% increased the rupture force, energy, modulus of elasticity and brittleness by 15.07, 13.74, 20.73, and 3.31%, respectively.
Źródło:
International Agrophysics; 2019, 33, 3; 373-381
0236-8722
Pojawia się w:
International Agrophysics
Dostawca treści:
Biblioteka Nauki
Artykuł
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
Tytuł:
Klasyfikacja ziarniaków kukurydzy w oparciu o neuronową identyfikację kształtu
The classification of maizes kernels with supporting neuronal identification of shape
Autorzy:
Boniecki, P.
Nowakowski, K.
Powiązania:
https://bibliotekanauki.pl/articles/336706.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
ziarniak
kukurydza
klasyfikacja
neuronowa analiza obrazu
classification
maize
corn kernel
neuronal image analysis
Opis:
Celem pracy było wytworzenie systemu informatycznego wspomagającego proces klasyfikacji ziarniaków kukurydzy w oparciu o neuronową analizę obrazu. W pracy wykorzystano metodę identyfikacji różnic kształtów analizowanych obiektów w oparciu o tzw. superformułę, zaproponowaną przez Johana Gielisa, pozwalającą na reprezentację dowolnego kształtu za pomocą sześciu niezależnych parametrów.
The aim of work was producing the computer system helping the process of classification of corn kernels using neuronal image analysis. In the project was used method of identification of shapes differences using superformula proposed by John Gielis, permitting on representation of any shape with six independent parameters.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2008, 53, 3; 14-17
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in 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