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 "Koszela, K." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Computer image analysis and artificial neuron networks in the qualitative assessment of agricultural products
    Komputerowa analiza obrazu i sztuczne sieci neuronowe w ocenie jakościowej produktów rolniczych
    Autorzy:
    Koszela, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/956515.pdf
    Data publikacji:
    2015
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    computer image analysis
    vegetable
    carrot
    quality
    artificial neural networks
    komputerowa analiza obrazu
    warzywa
    marchew
    jakość
    sztuczne sieci neuronowe
    Opis:
    The increasing use of modern information technology in agriculture involves an ever wider range of production, planning, monitoring and marketing processes. Information technologies are being applied in animal and plant production, and recent decades have witnessed a dynamic growth in research into artificial intelligence and thus into advisory (expert) systems such as artificial neuron networks. Obviously this is not the result of a coincidence or a temporary trend, this dynamic development has been made possible thanks to the rapid advancement of computer technology, allowing ever increasing speeds and volumes of data collection and processing. A large number of research-scientific work with the use of computer image analysis, computer-aided decision making and state of the art modelling tools, including artificial neuron networks, is carried out within the scope of agricultural engineering. The computer-aided decision making process in the area of the qualitative assessment of agri-food products is one of those areas using computer image analysis and neuron modelling. The objective of this research project was to develop and describe a computer image analysis method based on the example of carrots and lyophilisation dehydrates for the purpose of the qualitative assessment and classification of individual categories in the analysed sample in terms of quality.
    Zastosowanie coraz bardziej nowoczesnych technologii informatycznych w rolnictwie obejmuje coraz szerszy zakres procesów produkcji, planowania, monitorowania i marketingu. Stosowane techniki informatyczne wykorzystuje się w technologii produkcji zwierzęcej oraz roślinnej. W ciągu ostatnich dekad można zaobserwować dynamiczny rozwój badań nad sztuczną inteligencją, a tym samym nad badaniami w zakresie systemów doradczych (ekspertowych), jak również nad sztucznymi sieciami neuronowymi. Oczywiście nie jest to wynik zbiegu okoliczności czy rezultat chwilowej mody. Ten burzliwy rozwój jest możliwy dzięki szybkiemu postępowi techniki komputerowej, która umożliwia zapamiętywanie coraz większej liczby danych oraz coraz szybsze jej przetwarzanie. Duża liczba prac badawczo-naukowych z wykorzystaniem komputerowej analizy obrazów, komputerowego wspomagania decyzji i nowoczesnych narzędzi modelowania, jakimi są sztuczne sieci neuronowe, realizowana jest w ramach inżynierii rolniczej. Jednym z obszarów wykorzystywania komputerowej analizy obrazów i modelowania neuronowego jest wspomaganie podejmowania decyzji w zakresie oceny jakościowej produktów rolno-spożywczych. Celem projektu badawczego było opracowanie i charakterystyka metody komputerowej analizy obrazów na przykładzie korzeni marchwi oraz suszu liofilizacyjnego do oceny jakościowej i klasyfikacji poszczególnych klas w badanej próbie pod względem jakości.
    Źródło:
    Agricultural Engineering; 2015, 19, 3; 15-24
    2083-1587
    Pojawia się w:
    Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analiza i klasyfikacja obrazów suszu warzywnego z wykorzystaniem sztucznych sieci neuronowych
    Analysis and classification of dried vegetables’ images with utilization of artificial neural networks
    Autorzy:
    Koszela, K.
    Weres, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/287257.pdf
    Data publikacji:
    2005
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    sztuczna inteligencja
    sztuczne sieci neuronowe
    rozpoznawanie obiektów
    przetwarzanie obrazów
    artificial intelligence
    artificial neural networks
    object recognition
    image processing
    Opis:
    W życiu codziennym bardzo często dokonujemy oceny naszego otoczenia i na tej podstawie podejmujemy decyzje o klasyfikacji obserwowanej sytuacji. Czynimy to w oparciu o obserwację otoczenia jak również napływającą z różnych źródeł informację z wykorzystaniem posiadanej wiedzy i zdolności. Proces ten jest dla nas całkowicie naturalny. Jeżeli jednak chcemy podobne zadanie zlecić systemowi komputerowemu to wówczas musimy wykonać wiele kroków, które pozwolą w części odwzorować za pomocą oprogramowania ludzką zdolność do obserwacji, uczenia się i dokonywania podejmowania ostatecznej decyzji w oparciu o posiadaną wiedzę. Wzrastający poziom komplikacji informacji wywołuje rosnące zapotrzebowanie na systemy zdolne do rozpoznawania i dokonywania klasyfikacji prezentowanych im obiektów. Jednym z takich obiektów jest susz warzywny, którego ocena jakości i jego klasyfikacja przysparza szereg problemów. W pracy przedstawiono koncepcję metody analizy obrazów suszu warzywnego i zastosowanie jej do szybkiego oszacowania udziału poszczególnych frakcji w badanej próbie pod względem barwy i kształtu.
    In everyday life we often evaluate our surroundings and on this basis we make decisions about the classification of the observed situation. We do it by watching our surroundings as well as by analysing the information coming to us from various sources by means of the knowledge and the abilities we posses. This process is completely natural for us. However, if we want a computer system to do it, we need to make many steps in order to partly reflect in the software the human ability to observe, learn and make the final decision on the basis of the possessed knowledge. The increasing complexity of information causes a rising demand for systems capable of recognizing and classifying objects presented to them. One of such objects are dried vegetables whose quality evaluation and classification cause many problems. In the thesis the concept of dried vegetables’ image analysis method was presented as well as its application to quick colour and shape evaluation of individual fractions in a tested sample.
    Źródło:
    Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 77-82
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Ocena efektywności neuronowego prognozowania w oparciu o wybrane metody na przykładzie dystrybucji produktów rolniczych
    Assessment of effectiveness of the neural prediction based on selected methods exemplified by distribution of agricultural products
    Autorzy:
    Koszela, K.
    Boniecki, P.
    Weres, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/287927.pdf
    Data publikacji:
    2005
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    sztuczna inteligencja
    sztuczne sieci neuronowe
    prognozowanie
    szeregi czasowe
    artificial intelligence
    artificial neural networks
    prediction
    time series
    Opis:
    Prognozowanie staje się bardzo ważnym etapem w każdej działalności. W przypadku dystrybucji produktów rolniczych mamy do czynienia z szeregiem złożonych bodźców, które przekładają się na wynik końcowy. Natomiast jakość tych prognoz ma ogromne znaczenie na kolejne etapy w łańcuchu produkcyjno-dystrybucyjnym. Sieci neuronowe są bardzo wysublimowaną techniką modelowania, zdolną odwzorować bardzo złożone funkcje. Modelowanie z wykorzystaniem sztucznych sieci neuronowych stosuje się wówczas, gdy nie jest znany dokładny opis matematyczny rozpatrywanego zjawiska, natomiast dobrze określone są jego wejścia i wyjścia. Sztuczna sieć neuronowa potrafi nauczyć się rozpoznawać analizowany problem, dając szybko odpowiedź na zmieniające się parametry wejściowe procesu. W pracy przedstawiono porównanie dwóch metod neuronowego modelowania sprzedaży wybranego produktu.
    Prediction becomes a very important stage in many activities. In case of distributing agricultural products we deal with a number of stimuli which consequently transform into the end effect. It is clear that the quality of those predictions has a great influence on subsequent stages in the production and distribution chain. Neural networks are a sophisticated technique of modeling capable of reflecting very complex functions. Modeling using artificial neural networks is used when exact mathematical description of investigated phenomenon is not known but its inputs and outputs are well defined. Artificial neural network can learn to recognize the problem analyzed giving an answer to changing input parameters. In the paper two methods of neural modeling of a chosen agricultural product distribution were presented.
    Źródło:
    Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 69-76
    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
    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
      Wyświetlanie 1-5 z 5

      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