Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "analiza neuronowa obrazu" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-10 z 10
    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
    Tytuł:
    Metodyka badawcza oraz przygotowanie zbiorów uczących dla sieci neuronowych identyfikujących jakość kompostu
    Research methodology and preparation of learning datasets for neural networks identifying compost quality
    Autorzy:
    Jakubek, A.
    Boniecki, P.
    Dach, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/286658.pdf
    Data publikacji:
    2011
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    kompost
    analiza obrazu
    sieć neuronowa
    sztuczna inteligencja
    compost
    image analysis
    neural network
    artificial intelligence
    Opis:
    Nie istnieje tania i szybka metoda określania stopnia dojrzałości kompostu, która mogłaby zostać przeprowadzona przez osobę nie posiadającą doświadczenia w tej dziedzinie. Podjęto zatem próbę jej estymacji wykorzystując jako narzędzie sztuczne sieci neuronowe. Opisana metodyka przestawia kolejne etapy prac badawczych przeprowadzonych w celu pozyskania reprezentatywnych danych do trenowania inteligentnych systemów klasyfikujących.
    There is no cheap and quick method for determining the degree of compost maturity, which could be carried out by a person having no experience in this field. Therefore, there has been an attempt made to estimate it using artificial neural networks as a tool. Described methodology presents subsequent stages of research works carried out in order to acquire representative data for training intelligent classifying systems.
    Źródło:
    Inżynieria Rolnicza; 2011, R. 15, nr 1, 1; 85-90
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neuronowa analiza zdjęć ultrasonograficznych w procesie identyfikacji poziomu zawartości tłuszczu - badania wstępne
    Neural analysis of the ultrasonographic images in the intramuscular fat level content identification process - preliminary research
    Autorzy:
    Przybylak, A.
    Boniecki, P.
    Kozłowski, R. J.
    Ślósarz, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/290911.pdf
    Data publikacji:
    2008
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    zawartość tłuszczu
    ultrasonografia
    analiza obrazu
    sieć neuronowa
    fat content
    ultrasonographic
    image analysis
    neural network
    Opis:
    Rozwiązanie problemu identyfikacji ilości tłuszczu w mięsie, na podstawie informacji zawartej w obrazie ultrasonograficznym wykonanym na żywym zwierzęciu, ma istotne znaczenie utylitarne. W pracy zaproponowano wykorzystanie nowoczesnych metod sztucznej inteligencji, a w szczególności aproksymacyjnych technik sztucznych sieci neuronowych.
    The solution of the problem in the identification process of the quantity of the intramuscular fat, on the basis of contained information in the ultrasonographic photo from living animal, has the essential utilitarian meaning. This paper investigates the utilization of methods of artificial intelligence, in particularly approximation algorithms of artificial neural network models.
    Źródło:
    Inżynieria Rolnicza; 2008, R. 12, nr 6(104), 6(104); 159-165
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie metod analizy obrazów do automatycznej detekcji i pomiaru źrenic oczu
    Methods of image analysis used for automatic detection of human eye pupils
    Autorzy:
    Koprowski, R.
    Tokarczyk, R.
    Wróbel, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/131258.pdf
    Data publikacji:
    2006
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    digital image
    image analysis
    correlation
    neuron network
    morphological analysis
    obraz cyfrowy
    analiza obrazu
    korelacja
    sieć neuronowa
    analiza morfologiczna
    Opis:
    Potrzeby diagnostyki medycznej wad budowy i postawy człowieka wymagają stworzenia prostej metody jego pozycjonowania w trójwymiarowej przestrzeni. Jedną z metod wyznaczania położenia charakterystycznych punktów ciała jest metoda fotogrametryczna. Pomierzone punkty na zdjęciach służą do zbudowania przestrzennego modelu i za pomocą punktów dostosowania umieszczenia go w układzie odniesienia. Fotogrametryczny system do pomiaru 3D punktów ciała ludzkiego opracowany w Zakładzie Fotogrametrii i Informatyki Teledetekcyjnej WGGiIŚ AGH w Krakowie wymaga pomiaru na zdjęciach cyfrowych wybranych miejsc ciała ludzkiego, sygnalizowanych styropianowymi kulkami-markerami oraz środków źrenic oczu. W ramach automatyzacji pomiaru na zdjęciach prowadzone są badania nad metodami detekcji i pomiaru trzech grup punktów: fotopunktów, markerów na pacjencie oraz źrenic oczu Niniejsze opracowanie dotyczy metody automatycznego pomiaru trzeciej grupy punktów pomiarowych. Opracowana metoda detekcji źrenic oczu wymaga zrealizowania celów cząstkowych: detekcji markerów na ciele pacjenta, segmentacji obrazu ciała dla wykrycia głowy z rejonem oczu, wykrycia i pomiaru środków źrenic. Pierwszy z celów osiągnięto wykorzystując metodę korelacji krzyżowej. Do wykrycia rejonu oczu wykorzystano analizę skupień zbioru wspołrzędnych metodą k najbliższych sąsiadów. Dalsze przybliżenie rejonu oczu osiągnięto wykorzystując analizę statystyczną dużej ilości zdjęć pacjentów dla wyznaczenia współczynnika kryterium rejonizacji. Metodyka wyznaczania położenia oczu, centralnych punktów położenia źrenic została oparta na sieciach neuronowych ze wsteczną propagacją błędu. Uzyskana dokładność metody została oceniona na poziomie około 1 piksela, jej skuteczność w znacznej mierze zależy od prawidłowej detekcji markerów na ciele pacjenta.
    The needs of medical rehabilitation requires the creation of a simple method for the positioning of a human body in 3-D space. The method of posture analysis consists in simple visualization of particular characteristic points of the patient’s body. Usually, an assessment of the relative displacement and asymmetry of these points are a reliable measure of pathological body posture deviation. One of the methods of determining the position of characteristic points is the photogrammetric method. The points measured in the images are used to create a spatial model and, based on control points, position it in a reference system. The photogrammetric system for measuring 3D points located on a human body has been developed in the Department of Photogrammetry and Remote Sensing Informatics, Technical University – AGH Kraków. In the system, on digital images (taken with two compact, free-focus-type digital cameras), special markers (light foamed polystyrene balls) located on chosen points of human body and the center of an eye pupil are measured. To make the system more automatic, the research is carried on to automatically detect and measure the three following groups of points: control points, markers located on the human body and eye pupil. In this paper, the method of automatic measurement of last group of points is considered. The developed method of eye pupil detection requires achieving the following goals: detection of markers located on the human body, segmentation of the body image to detect a head, approximate eye localization and, finally, the measurement of a pupil center. The first goal was achieved by using the cross correlation method. The localization of the eyes was done by analyzing the coordinates’ set concentration by k nearest neighbors. The achieved results were divided into two sets pa 1 and pa 2 , which consist of data on the position of markers located on the front and back sides of body. A further approximation of eye location was achieved using statistical analysis of many images to determine the coefficient as a criterion for region membership. The methodology of determination of eye position, and pupil center were based on a neural network with backward error propagation. The achieved accuracy was estimated as 1 pixel, but the efficiency strongly depends on the proper detection of the markers located on the patient’s body.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 305-317
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A CNN based Hybrid approach towards automatic image registration
    Hybrydowe podejście do automatycznej rejestracji obrazu z wykorzystaniem komórkowych sieci neuronowych
    Autorzy:
    Arun, P. V.
    Katiyar, S. K.
    Powiązania:
    https://bibliotekanauki.pl/articles/145296.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    teledetekcja
    metody resamplingu
    sieć neuronowa komórkowa
    analiza obrazu
    rejestracja obrazu
    cellular neural network (CNN)
    image analysis
    image registration
    resampling
    remote sensing
    Opis:
    Image registration is a key component of various image processing operations which involve the analysis of different image data sets. Automatic image registration domains have witnessed the application of many intelligent methodologies over the past decade; however inability to properly model object shape as well as contextual information had limited the attainable accuracy. In this paper, we propose a framework for accurate feature shape modeling and adaptive resampling using advanced techniques such as Vector Machines, Cellular Neural Network (CNN), SIFT, coreset, and Cellular Automata. CNN has found to be effective in improving feature matching as well as resampling stages of registration and complexity of the approach has been considerably reduced using corset optimization The salient features of this work are cellular neural network approach based SIFT feature point optimisation, adaptive resampling and intelligent object modelling. Developed methodology has been compared with contemporary methods using different statistical measures. Investigations over various satellite images revealed that considerable success was achieved with the approach. System has dynamically used spectral and spatial information for representing contextual knowledge using CNN-prolog approach. Methodology also illustrated to be effective in providing intelligent interpretation and adaptive resampling.
    Rejestracja obrazu jest kluczowym składnikiem różnych operacji jego przetwarzania. W ostatnich latach do automatycznej rejestracji obrazu wykorzystuje się metody sztucznej inteligencji, których największą wadą, obniżającą dokładność uzyskanych wyników jest brak możliwości dobrego wymodelowania kształtu i informacji kontekstowych. W niniejszej pracy zaproponowano zasady dokładnego modelowania kształtu oraz adaptacyjnego resamplingu z wykorzystaniem zaawansowanych technik, takich jak Vector Machines (VM), komórkowa sieć neuronowa (CNN), przesiewanie (SIFT), Coreset i automaty komórkowe. Stwierdzono, że za pomocą CNN można skutecznie poprawiać dopasowanie obiektów obrazowych oraz resampling kolejnych kroków rejestracji, zaś zastosowanie optymalizacji metodą Coreset znacznie redukuje złożoność podejścia. Zasadniczym przedmiotem pracy są: optymalizacja punktów metodą SIFT oparta na podejściu CNN, adaptacyjny resampling oraz inteligentne modelowanie obiektów. Opracowana metoda została porównana ze współcześnie stosowanymi metodami wykorzystującymi różne miary statystyczne. Badania nad różnymi obrazami satelitarnymi wykazały, że stosując opracowane podejście osiągnięto bardzo dobre wyniki. System stosując podejście CNN-prolog dynamicznie wykorzystuje informacje spektralne i przestrzenne dla reprezentacji wiedzy kontekstowej. Metoda okazała się również skuteczna w dostarczaniu inteligentnych interpretacji i w adaptacyjnym resamplingu.
    Źródło:
    Geodesy and Cartography; 2013, 62, 1; 33-49
    2080-6736
    2300-2581
    Pojawia się w:
    Geodesy and Cartography
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    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
    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
    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
    Tytuł:
    Automatyczny klasyfikator rodzaju uszkodzenia amortyzatora samochodowego
    Automatic classifier of the kind of car shock absorber damage
    Autorzy:
    Cempiel, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/133451.pdf
    Data publikacji:
    2013
    Wydawca:
    Polskie Towarzystwo Naukowe Silników Spalinowych
    Tematy:
    diagnozowanie amortyzatorów
    metoda EUSAMA
    sieć neuronowa
    analiza obrazu
    automatyczny diagnosta
    klasyfikator
    shock absorber diagnosis
    EUSAMA method
    neural network
    image analysis
    automatic classifier
    Opis:
    W artykule przedstawiono analizę wpływu czynników zewnętrznych (dodatkowe obciążenie, zmiany ciśnienia w oponach) na wartość wskaźnika EUSAMA. Jednocześnie zaproponowano automatyczną metodę diagnozowania stanu amortyzatorów przy pomocy analizy obrazów z wykorzystaniem sieci neuronowej oceniającej przebieg wartości wskaźnika EUSAMA w czasie. Na potrzeby pracy przygotowano model matematyczny części zawieszenia wraz ze stanowiskiem badawczym opartym o metodę EUSAMA plus. Zamodelowano układ odzwierciedlający dynamikę jednej czwartej zawieszenia pojazdu. Metoda automatycznego diagnozowania stanu amortyzatorów zakłada poprawność przeprowadzonego badania metodą EUSAMA. Uzyskane wyniki spełniły oczekiwania.
    The article presents an analysis of the impact of external factors (extra load, tire pressure changes) on the value of the EUSAMA ratio. A method of automatic diagnosis of shock absorbers is proposed. This method is based on image analysis using a neural network appraising the “EUSAMA plus” ratio in the time domain. For the purpose of this paper a mathematical model of quarter of the car suspension with the test stand based on the method EUSAMA was prepared. The method of automatic diagnosis of shock absorbers assumes the correctness of the EUSAMA test. The results met expectations.
    Źródło:
    Combustion Engines; 2013, 52, 3; 1069-1075
    2300-9896
    2658-1442
    Pojawia się w:
    Combustion Engines
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Innowacyjna metoda rozpoznawania wybranych cech jakościowych nasion z wykorzystaniem analizy obrazu i sztucznych sieci neuronowych (SSN)
    Innovative method for identifying selected qualitative characteristics of seeds using image analysis and artificial neural networks (ANN)
    Autorzy:
    Szwedziak, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/288227.pdf
    Data publikacji:
    2009
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    analiza obrazu
    RGB
    Leaf
    sztuczna sieć neuronowa
    SSN
    cechy jakościowe
    nasiona
    ocena sensoryczna
    magazynowanie
    image analysis
    artificial neural network
    qualitative characteristics
    seeds
    sensory assessment
    storage
    Opis:
    Badanie cech jakościowych ma coraz większe znaczenie ze względu na ustalenie ceny skupu oraz ze względu na dalsze przeznaczenie nasion. Po wejściu Polski do Unii Europejskiej surowce i produkty końcowe muszą sprostać wymogom stawianym przez pozostałe kraje członkowskie. Ważnym problemem współczesnego rolnictwa zrównoważonego jest produkcja nasion oraz produktów o odpowiednich parametrach jakościowych. Dotychczasowe badania dowodzą, że zarówno technologia zbioru, warunki transportu i suszenia a także przechowywanie wywierają wpływ na jakość nasion, warunkując ich przydatność dla przemysłu. Zadaniem przemysłu zbożowego jest, oprócz przetwórstwa, także odpowiednie zabezpieczenie w czasie magazynowania, aby zachować odpowiednie właściwości i walory smakowe nasion. W związku z tym istnieje konieczność ciągłej kontroli produktów jak również surowców magazynowanych. Przemysł rolno - spożywczy dysponuje jedynie metodami opartymi na ocenie sensorycznej, wykorzystującej narządy zmysłu. Metoda ta jest bardzo czasochłonna i pracochłonna. Poszukiwanie innowacyjnych metod pozwala na wdrożenie do przemysłu rolno - spożywczego technik opartych na komputerowej analizie obrazu i sztucznych sieci neuronowych. Założono zatem, że korzystając z komputerowej analizy obrazu oraz przygotowanej w tym celu aplikacji do przetwarzania i analizowania pozyskanych obrazów cyfrowych, wykorzystując model rozpoznawania barw RGB, pozwoli na szybkie uzyskiwanie wyników. Ma to znaczenie w czasie skupu zbóż do magazynów, w celu określenia wstępnej jakości przyjmowanych nasion pod względem zanieczyszczeń, co w konsekwencji prowadzi do ustalenia ceny skupowanego materiału. Drugim aspektem wykorzystania tej metody jest kontrola jakości przechowywanego ziarna w magazynach. Opracowanie takiej metody pozwoli na szybkie uzyskanie wyników z pominięciem czasochłonnych prac laboratoryjnych. Dodatkowym elementem pracy jest porównanie metody tradycyjnej z metodą komputerowej analizy obrazu. Do porównania wykorzystano sztuczne sieci neuronowe.
    Examination of qualitative characteristics becomes more and more important for fixing purchase price and due to further use of seeds. Following Poland accession to the European Union, raw materials and final products must meet requirements set by other member states. An important issue in modern sustainable agriculture is the production of seeds and products possessing suitable qualitative parameters. Studies completed to date prove that harvesting technology, transport and drying conditions, and storage affect seeds quality, thus conditioning their usability for industry. Besides processing, grain industry is expected to provide adequate protection during storage so as to ensure suitable properties and taste quality of seeds. As a result of this, it is necessary to provide continuous control of products and stored materials. Agricultural and food industry has at its disposal methods based on sensory assessment only, using sense organs. This method is highly timeconsuming and labour absorbing. Search for innovative methods allows to introduce techniques based on computerised image analysis and artificial neural networks in agricultural and food industry. It has been assumed then that using computerised image analysis and specially prepared for this purpose application for processing and analysis of obtained digital images with help of the RGB colour identification model will allow to obtain results quickly. This is important when purchasing grain for stores in order to determine initial quality of accepted seeds as regards impurities, which consequently leads to determining purchased material price. Another aspect of using this method is quality control for grain kept in stores. Development of such method will allow to obtain results quickly, omitting time-consuming laboratory works. An additional element in this paper is comparing conventional method to computerised image analysis method. Artificial neural networks have been used for comparison.
    Źródło:
    Inżynieria Rolnicza; 2009, R. 13, nr 4, 4; 7-52
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-10 z 10

      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