Autor: Nowakowski, P. - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Wpływ liczby zmiennych na jakość działania neuronowego modelu do identyfikacji mechanicznych uszkodzeń ziarniaków kukurydzy
The impact of the number of variables on the operation quality of neuron model for identifying mechanical damage of corn seeds
Autorzy:: Nowakowski, K.
Boniecki, P.
Powiązania:: https://bibliotekanauki.pl/articles/290908.pdf
Data publikacji:: 2008
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Tematy:: kukurydza
uszkodzenie mechaniczne
identyfikacja
reprezentatywne dane uczące
sieć neuronowa
analiza obrazu
maize
mechanical damage
identifying
representative teaching data
neural network
image analysis
Opis:: Wykorzystanie sztucznych sieci neuronowych do identyfikacji mechanicznych uszkodzeń ziarniaków, prezentowanych w postaci fotografii, wymaga doboru odpowiednich cech charakterystycznych, na podstawie których zostanie przeprowadzony proces rozpoznawania. Wybór danych można zweryfikować wykorzystując narzędzie analizy wrażliwości sieci. Dzięki jego zastosowaniu można ocenić poziom istotności poszczególnych cech charakterystycznych i sprawdzić czy wszystkie wcześniej wybrane zmienne są niezbędne w procesie uczenia.
Using of artificial neuron networks for identifying mechanical damage of seeds presented on photographs requires selection of proper characteristics, which can be the basis for identification process. Data choice can be verified by using the instrument of network sensitivity analysis. Thanks to its use the significance level of particular characteristics can be evaluated, and it may be verified if all selected variables are essential in the learning process.
Źródło:: Inżynieria Rolnicza; 2008, R. 12, nr 6(104), 6(104); 151-157
1429-7264
Pojawia się w:: Inżynieria Rolnicza
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

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: 3.

Tytuł:: Konwersja obrazów cyfrowych do postaci zbiorów uczących dla potrzeb modelowania neuronowego
Conversion of digital images into the form of teaching sets for the purposes of neural modeling
Autorzy:: Przybylak, A.
Boniecki, P.
Nowakowski, K.
Powiązania:: https://bibliotekanauki.pl/articles/287969.pdf
Data publikacji:: 2009
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Tematy:: przetwarzanie obrazu
analiza obrazu
piksel
zbiór uczący
sieć neuronowa
image processing
image analysis
pixel
teaching set
neural network
Opis:: Wykorzystanie sztucznych sieci neuronowych na potrzeby analizy obrazu wymaga prawidłowego przygotowania zbiorów uczących. W przypadku pozyskiwania informacji z obrazów cyfrowych konieczna jest ich konwersja do postaci akceptowanej przez sztuczną sieć neuronową. Niezwykle istotne jest, aby do struktury zbioru uczącego trafiły cechy reprezentatywne, pozwalające na poprawne działanie modelu neuronowego. W przedstawionym w pracy systemie użytkownik ma możliwość wyboru danych, które umieści w zbiorze uczącym. W aktualnej wersji systemu mogą to być informacje o barwie, na które składają się: histogram, tekstura oraz składowe modelu RGB.
Using artificial neural networks for image analysis purposes requires proper preparation of teaching sets. In case of information acquisition from digital images it is necessary to convert them into the form accepted by an artificial neural network. It is extremely important to incorporate representative features allowing correct operation of neural model into the teaching set structure. In the system presented in this work user is able to select data, which will be included in the teaching set. In current system version this may be information on colour, which includes: histogram, texture and the RGB model components.
Źródło:: Inżynieria Rolnicza; 2009, R. 13, nr 9, 9; 201-206
1429-7264
Pojawia się w:: Inżynieria Rolnicza
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

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: 5.

Tytuł:: Wybór reprezentatywnej struktury zbiorów uczących dla potrzeb neuronowych modeli identyfikacyjnych wykorzystywanych w inżynierii rolniczej
Selection of representative structure of learning sets for purpose of neuron identification models used in agricultural engineering
Autorzy:: Nowakowski, K.
Boniecki, P.
Weres, J.
Mueller, W.
Powiązania:: https://bibliotekanauki.pl/articles/287545.pdf
Data publikacji:: 2007
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Tematy:: reprezentatywne dane uczące
sieć neuronowa
analiza obrazu
inżynieria rolnicza
agricultural engineering
representative learning data
neural network
image analysis
Opis:: Wykorzystanie sztucznych sieci neuronowych do identyfikacji mechanicznych uszkodzeń ziarniaków na podstawie ich fotografii wymaga doboru odpowiednich cech charakterystycznych na podstawie, których zostanie przeprowadzony proces rozpoznawania. Ponieważ stosowanie sieci neuronowych do bezpośredniego mapowania zbiorów graficznych jest nieefektywne, wskazane jest użycie bloku przetwarzania wstępnego, tzw. preprocesora. Zaprojektowanie i wytworzenie właściwego systemu informatycznego dla tak sformułowanego celu pozwoliło na dokonanie transformacji danych pierwotnych (zdjęcia fotograficzne) do reprezentacji danych, która będzie odpowiednia dla wykorzystania w procesie uczenia sieci neuronowej.
Use of artificial neural networks for identification of the mechanical damages to grains based on photographs requires a selection of appropriate characteristic features in order to conduct a recognition process. Since the application of neural networks for direct mapping of graphic sets is not really effective, it is recommended to use the initial processing block, so called preprocessor. Design and creation of a proper information system for this particular purpose allowed to transform raw data (photographic images) for data representation, appropriate to be used in the learning process of neural network.
Źródło:: Inżynieria Rolnicza; 2007, R. 11, nr 6 (94), 6 (94); 183-188
1429-7264
Pojawia się w:: Inżynieria Rolnicza
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Identyfikacja uszkodzeń ziarniaków kukurydzy i jęczmienia browarnego z wykorzystaniem neuronowej analizy obrazu
Identification process of corn and barley kernels damages using neural image analysis
Autorzy:: Nowakowski, K.
Boniecki, P.
Tomczak, R. J.
Raba, B.
Powiązania:: https://bibliotekanauki.pl/articles/334088.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: ziarniak
kukurydza
jęczmień
uszkodzenie
analiza obrazu
corn
barley
damage
image analysis
Opis:: Celem projektu badawczego było opracowanie modelu neuronowego do identyfikacji mechanicznych uszkodzeń ziarniaków 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 wie-lowarstwowy charakteryzującą się zdolnościami identyfikacyjnymi zbliżonymi do umiejętności człowieka.
The subject of the study was to develop a neural model for identification of mechanical damage to grain caryopses based on digital photographs. The authors has selected a set of universal features that distinguish damaged and healthy caryopses. As a result of this study it has been performed 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; 103-105
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 methods of image processing and analysis to determine the distribution class of cortical granules in bovine oocytes
Wykorzystanie metod przetwarzania i analizy obrazu do określenia klasy rozmieszczenia ziaren korowych w oocytach pochodzenia bydlęcego
Autorzy:: Górna, K.
Balcerzak, K.
Idziaszek, P.
Nowakowski, K.
Boniecki, P.
Przybył, K.
Zaborowicz, M.
Powiązania:: https://bibliotekanauki.pl/articles/334711.pdf
Data publikacji:: 2015
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: image processing
image analysis
cortical granules
oocyte
bovine oocytes
COC
przetwarzanie obrazu
analiza obrazu
ziarno korowe
oocyt
oocyt bydlęcy
KOK
Opis:: Image processing and analysis are one of the tools to achieve data coded in digital images. Development of these methods enables to gain more data coded in digital images, even those which are not visible to the human eyes. Therefore it is justified to create new computer systems appointed in functions and filters that support process of gaining new information coded in digital image. In this study system for classification of oocytes has been described. The cells are classified taking into account distribution of cortical granulae according to three-class scale. In addition, knowing the diameter of the follicle from which the oocyte was aspired and class of oocyte-cumulus complex, it is possible to determine developmental competence of oocyte.
Przetwarzanie i analiza obrazu stanowią narzędzia do uzyskania danych zawartych w obrazach cyfrowych. Dzięki rozwojowi tych metod można uzyskać więcej informacji na temat danych zakodowanych w obrazach cyfrowych, nawet tych które nie są widoczne dla ludzkiego oka. Dlatego też uzasadnione jest tworzenie nowych systemów informatycznych wyposażonych w funkcje i filtry, które wspierają proces pozyskiwania informacji zakodowanych w obrazach cyfrowych . W pracy opisano system do klasyfikacji oocytów. Komórki są klasyfikowane pod względem rozmieszczenia ziaren korowych zgodnie z trójstopniowa skala. Ponadto, przy znajomości średnicy pęcherzyka, z którego został wyaspirowany oocyt i klasę kompleksu oocyt-kumulus, możliwe jest ustalenie w systemie kompetencji rozwojowej komórki jajowej.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2015, 60, 1; 14-18
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 "Nowakowski, P." wg kryterium: Autor

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język