Wszystkie pola: (P-P). - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Design project of a system of wireless sensors network supporting the fields irrigation process
Projekt systemu sieci bezprzewodowych czujników wspierający proces nawadniania pól
Autorzy:: Okoń, P.
Rudowicz-Nawrocka, J.
Boniecki, P.
Kozłowski, R. J.
Jurek, P.
Fojud, A.
Przybył, K.
Powiązania:: https://bibliotekanauki.pl/articles/334168.pdf
Data publikacji:: 2018
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: WSN
irrigation of fields
wireless sensor network
nawadnianie pól
sieć czujników bezprzewodowych
Opis:: The aim of this work is to present a project of a network of wireless sensors for the monitoring of plantations in agriculture. The developed project can be used to automate the field irrigation process. The design of the field moisture control system was based on the WSN (Wireless Sensor Network) technology. A measuring element with necessary sensors was also designed for the project. The methodological part of the work includes the network design and the development of the concept of measuring device construction. The Advantech ADAM 2000Z series components were used for the wireless sensor network project.
Celem niniejszej pracy jest prezentacja projektu sieci bezprzewodowych czujników dla potrzeb monitoringu plantacji w rolnictwie. Opracowany projekt może być wykorzystywany do automatyzacji procesu nawadniania pól. Projekt systemu kontroli stopnia uwilgotnienia pola został wykonany na podstawie technologii WSN (ang. Wireless Sensor Network). Na potrzeby projektu został również zaprojektowany element pomiarowy wraz z niezbędnymi czujnikami. Cześć metodyczna pracy obejmuje projekt sieci, oraz opracowanie koncepcji budowy urządzenia pomiarowego. Do projektu bezprzewodowej sieci czujników użyto komponentów firmy Advantech ADAM seria 2000Z.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2018, 63, 4; 162-164
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:: Project of a computer system supporting extraction of the characteristics of pork half-carcases
Projekt systemu informatycznego wspomagającego ekstrakcję cech charakterystycznych półtuszy wieprzowej
Autorzy:: Fojud, A.
Boniecki, P.
Zaborowicz, M.
Lisiak, D.
Ślósarz, P.
Stanisz, M.
Strzeliński, P.
Konieczny, A.
Powiązania:: https://bibliotekanauki.pl/articles/334739.pdf
Data publikacji:: 2017
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: pork half-carcasses
evaluation of meatiness
expert system
półtusza wieprzowa
ocena mięsności
system ekspertowy
Opis:: In this paper it has been described a computer system for the processing and analysis of two-dimensional digital images of evaluated pork half-carcasses. The AOPW (pol. Analiza Obrazu Półtusz Wieprzowych) image analysis system was created in C#, in Visual Studio 2015, using the AForge.NET library. The development of the application was preceded by a requirement analysis, according to the software engineering procedures. Documentation in the form of UML diagrams was developed in Microsoft Visio. The AOPW application is used to analyze and extract the characteristics of pork halfcarcasses contained in two-dimensional digital images acquired during the slaughtering process of pigs. The application may be a part of a new method for evaluating and classifying pig carcasses according to the applicable EUROP classification. The developed system was divided into two modules: the first for processing and filtering image, enabling e.g. edge and shape detection, sharpening and image binarization. The second allows for image analysis and acquisition of characteristics of pork half-carcasses - descriptors. The presented work was created within the research project of National Research and Development Center PBS3/B8/26/2015.
W pracy zaprezentowano autorski system informatyczny służący przetwarzaniu i analizie dwuwymiarowych obrazów cyfrowych, poddawanych ocenie półtusz wieprzowych. System o nazwie Analiza Obrazu Półtusz Wieprzowych (AOPW) został wytworzony w języku C#, w pakiecie Visual Studio 2015, z użyciem biblioteki AForge.NET. Opracowanie aplikacji zostało poprzedzone analizą wymagań, zgodnie z procedurami inżynierii oprogramowania. Powstała na tym etapie dokumentacja w postaci diagramów UML została przygotowana w programie Microsoft Visio. Aplikacja AOPW służy do analizy i ekstrakcji cech charakterystycznych półtusz wieprzowych, zawartych na dwuwymiarowych obrazach cyfrowych pozyskanych w trakcie procesu uboju trzody chlewnej. Aplikacja może stanowić element nowej metody oceny i klasyfikacji półtusz wieprzowych według obowiązującej klasyfikacji EUROP. Opracowany system został podzielony na dwa moduły: pierwszy przetwarzający i filtrujący obraz, umożliwiający m.in. wykrywanie krawędzi i kształtów, wyostrzanie oraz binaryzację obrazu; drugi pozwalający na analizę obrazu i pozyskanie cech charakterystycznych – deskryptorów. Przedstawiona praca powstała w ramach projektu badawczego Narodowego Centrum Badań i Rozwoju PBS3/B8/26/2015.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2017, 62, 3; 87-92
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:: Modelowanie neuronowe w rozwiązywaniu wybranych problemów predykcyjnych inżynierii rolniczej
Neural modeling in solving some prediction problems of agricultural engineering
Autorzy:: Boniecki, P.
Niżewski, P.
Powiązania:: https://bibliotekanauki.pl/articles/334441.pdf
Data publikacji:: 2010
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: modelowanie neuronowe
inżynieria rolnicza
neural modeling
agricultural engineering
Opis:: Proces prognozowania ma praktyczne zastosowanie w szerokim zakresie działalności ludzkiej, w tym również w rolnictwie. Jakość takich prognoz ma istotne znaczenie dla kolejnych etapów występujących w łańcuchu produkcyjno-dystrybucyjnym płodów rolnych. Celem pracy było wytworzenie neuronowego systemu informatycznego, pozwalającego na dokonanie prognozy wielkości plonu oraz zawartość skrobi w bulwach ziemniaków, na podstawie wybranych czynników agrotechnicznych.
Forecasting process has practical applications in a wide range of human activity, including agriculture. The quality of such predictions is important for subsequent phases occurring in the chain of production and distribution of agricultural products. The purpose of this work, was to design, to do, and to test the informational system, which is based in technology of the artificial network of neurons, which allows to predict the size of the crops, and the contents of the starch in the potatos bulb on the basis of the chosen agro-technical factors.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2010, 55, 1; 16-19
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:: OS-GLCM computer system designed to generate a GLCM matrix for the digital image of oilseed rape
System informatyczny OS-GLCM przeznaczony do generowania macierzy GLCM opisującej teksturę obrazów cyfrowych rzepaku
Autorzy:: Okoń, P.
Boniecki, P.
Kozłowski, R. J.
Górna, K.
Jurek, P.
Fojud, A.
Powiązania:: https://bibliotekanauki.pl/articles/336570.pdf
Data publikacji:: 2017
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: GLCM matrix
disease
oilseed rape
macierz GLCM
choroba
rzepak
Opis:: The purpose of this paper is to produce original software for calculating the GLCM matrix and its properties. Application mechanics is based on two AForge.Net library for image segmentation, and the Accord.Net library for calculating the GLCM matrix. The application mechanics have included the ability to calculate the GLCM matrix at the given accounts. The application is equipped with functions that calculate the properties of the matrix as a full complement of the problem. Generated matrix properties are saved to a CSV file, or added to an existing one according to user preferences. Digital images of rape leaves constitute a research material used in the work.
Celem niniejszej pracy jest wytworzenie oryginalnego oprogramowania do obliczania macierzy GLCM, oraz jej właściwości. Mechanika aplikacji opiera się na dwóch bibliotekach AForge.Net do segmentacji obrazu, oraz biblioteka Accord.Net do obliczania macierzy GLCM. W mechanice aplikacji uwzględniono możliwość obliczania macierzy GLCM przy zadanych kontach. Aplikacja została wyposażona w funkcje obliczające właściwości macierzy, co pełni formę uzupełnienia zagadnienia. Wygenerowane właściwości macierzy zastają zapisane do pliku CSV, lub dopisane do już istniejącego wedle preferencji użytkownika. Materiałem badawczym wykorzystanym w pracy, są obrazy cyfrowe liści rzepaku.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2017, 62, 4; 41-44
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:: Noninvasive estimation of marbling in lambs carcasses
Nieinwazyjna ocena marmurkowatości tusz jagnięcych
Autorzy:: Przybylak, A.
Ślósarz, P.
Boniecki, P.
Lisiak, D.
Stanisz, M.
Ludwiczak, A.
Powiązania:: https://bibliotekanauki.pl/articles/334086.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: tusze jagnięce
marmurkowatość
ocena
lamb`s carcasses
marbling
estimation
Opis:: An important, and not yet solved problem in meat industry is the issue of estimating the intramuscular fat level content in the carcass. Solution of the problem of identification of quantity of the intramuscular fat, on the basis of Information in ultrasound images taken on lamb's carcasses or even living animal, is ofessential utilitarian importance. The amount of intramuscular fat (known as marbling) has significant impact on market value and meat's culinary usefulness. Previoitsly used methods for marbling classification in carcasses based on an analysis of animal 's age, weight and gender, or had invasive nature. These methods were estimated as unreliable and inefficient. There have 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. Thispaper presents an attempt to create noninvasive method to classify marbling, based on ultrasound images, computer image analysis and artificial neural networks.
Ważnym, i dotychczas nierozwiązanym problemem w branży mięsnej jest ocena poziomu zawartości tłuszczu śródmięśniowego w tuszy zwierzęcej. Rozwiązanie problemu identyfikacji ilości tłuszczu śródmięśniowego na podstawie informacji pozyskanej z obrazów USG tusz zwierzęcych, a także żywych zwierząt, ma istotne znaczenie utylitarne. Ilość tłuszczu śródmięśniowego (tzw. marmurkowatość) ma znaczny wpływ na wartość rynkową i przydatność kulinarną mięsa. Stosowane dotychczas metody oceny otłuszczenia zwierząt bazują na analizie ich wieku, masy ciała oraz płci lub maja charakter inwazyjny. Metody te są zawodne oraz mało efektywne. Widoczny jest wzrost zainteresowania wyciąganiem wniosków bazując na danych zakodowanych w formie graficznej. Neuronowa analiza obrazu, ze szczególnym uwzględnieniem analiz ilościowych i jakościowych, jest coraz częściej wykorzystywana analizy danych empirycznych. Wydobycie a następnie klasyfikacja wybranych cech obrazu, takich jak kolor, kształt czy tekstura, możliwa jest dzięki wykorzystaniu systemów informatycznych analizujących i przetwarzających obrazy cyfrowe. W artykule przedstawiono próbą wytworzenia nieinwazyjnej metody klasyfikacji marmurkowatości, z wykorzystaniem zdjęć USG, komputerowej analizy obrazu oraz sztucznych sieci neuronowych.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2011, 56, 1; 114-117
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:: Wykorzystanie sieci neuronowych w procesie identyfikacji wołka zbożowego
Using of artificial neuronal networks in identification process of granary weevils
Autorzy:: Świerczyński, K.
Olejarski, P.
Boniecki, P.
Powiązania:: https://bibliotekanauki.pl/articles/336833.pdf
Data publikacji:: 2008
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: sieć neuronowa
wołek zbożowy
zboże
identyfikacja
neuronal network
identification
granary weevil
cereal crop
Opis:: Szkodniki magazynowe stanowią poważny problem podczas przechowywania zbóż. Zarażenie całej masy przechowywanego materiału może nastąpić przez niewielką ilość dostarczonego towaru wraz z szkodnikiem. Do tych najgroźniejszych szkodników zaliczamy wołka zbożowego [Sitophilus granarius (L.)], który rozmnaża się wewnątrz ziarniaka, powodując jednocześnie obniżenie jakości ziarna, co w efekcie końcowym wynosić może 5% strat. Jednym ze sposobów nie dopuszczenia do opisywanej sytuacji jest identyfikacja wołka podczas dostarczania zboża do magazynu. Możliwym rozwiązaniem jest wykorzystanie zdolności klasyfikacyjnych, jakie m.in. reprezentują sztuczne sieci neuronowe. Zbiór uczący, służący do budowy modeli neuronowych, został wygenerowany na postawie uzyskanych danych empirycznych z wykorzystaniem urządzania SKCS 4100 (Single Kernel Characterization System). Przeprowadzono analizę uzyskanych modeli, w wyniku której określono przydatność stosowania ich w procesie identyfikacji występowania wołka w ziarniaku.
Pests of granary constitute the serious problem while keeping cereal crops. Infecting the entire amount of stored material can follow through the sparseness of delivered goods together with pest. For most dangerous from the ones we rate granary weevil [Sitophilus granarius (L.)], which lives inside of kernel. It causes degradation of quality and the final effect, up to the 5% of losses. One resolution is that we cannot let to describable situation and we have to identify of weevil while we deliver cereal to granary. We can use classification ability of artificial networks. Data set, which we use for creation of neuronal models, was generated on the basis of received empirical data with using SKCS 4100 (Single Kernel Characterization System) device. Analysis of obtained models was carried out determining usefulness of applying them in the process of the identification of appearing of weevil in kernel.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2008, 53, 2; 73-75
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:: Neuronowa identyfikacja poziomu zawartości tłuszczu w tkance mięśniowej owiec
Neural identification of the lambs intramuscular fat level content
Autorzy:: Przybylak, A.
Boniecki, P.
KOozłowski, R. J.
Ślósarz, P.
Powiązania:: https://bibliotekanauki.pl/articles/336831.pdf
Data publikacji:: 2008
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: sieć neuronowa
tłuszcz
owca
tkanka mięśniowa
zawartość
neural network
lamb
content
intramuscular
fat
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 do określania poziomu zawartości tłuszczu w tkance mięśniowej owiec.
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 image 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:: Journal of Research and Applications in Agricultural Engineering; 2008, 53, 2; 76-78
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:: 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: 9.

Tytuł:: Ocena zastosowania prognostycznej sieci neuronowej w modelowaniu emisji gazowych
Estimation of prognostic neural network application in gaseous emissions modeling
Autorzy:: Niżewski, P.
Boniecki, P.
Dach, J.
Powiązania:: https://bibliotekanauki.pl/articles/335468.pdf
Data publikacji:: 2007
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: gaz
amoniak
emisja
obornik
kompostowanie
sieć neuronowa
MLP
gas
ammonia
emission
manure
composting
neural network
Opis:: Zdolności predykcyjne sztucznych sieci neuronowych stanowią jeden z głównych obszarów ich zastosowania. Doświadczenie miało na celu wykorzystanie tych właściwości do modelowania całkowitej emisji amoniaku w trakcie kompostowania obornika. Najlepsze wyniki uzyskano dla sieci neuronowych MLP.
Predictive abilities of artificial neural networks are one of the main topics of their application. The aim of this paper was to use their suitability for modeling of ammonia emission during farmyard manure composting. The best results were obtained while using the MLP neural networks.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2007, 52, 2; 71-74
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:: Neuronowy system komputerowy prognozujący poziom emisji amoniaku po nawożeniu gnojowicą
Neuronal computer system for forecast ammonia emission after applied liquid manure
Autorzy:: Niżewski, P.
Boniecki, P.
Powiązania:: https://bibliotekanauki.pl/articles/337155.pdf
Data publikacji:: 2006
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: gnojowica
nawożenie
amoniak
emisja
prognoza
neuronowy system komputerowy
liquid manure
fertilizer
emission
ammonia
neuronal computer system
Opis:: Genezą podjęcia tematu są głębokie zmiany zachodzących w gospodarce nawozami naturalnymi w ostatnich latach w Polsce. Wiąże się to zwłaszcza z intensyfikacją produkcji i przestawiania się wielu gospodarstw z hodowli obornikowej na gnojowicową, niekorzystną dla środowiska naturalnego. Sytuacja ta jest powodem opracowania narzędzia pozwalającego na oszacowanie poziomu emisji amoniaku do atmosfery podczas nawożenia gnojowicą. Dzięki identyfikacji głównych czynników zwiększających emisję, narzędzie to będzie przydatne również do redukcji jej wielkości.
The origin of undertaking this subject is related with the deep changes observed in manure management in Poland during last years. This is caused by intensification of animal production and changing the type of production from solid to liquid manure, which is unfovourable for agro-ecosystems. This situation is a base for creation of tool permissing the estimation of ammonia emission level during applied liquid manure. By Identification of the main factors raising the emission level, this tool will be used also for reduction of NH3 losses.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2006, 51, 4; 44-47
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: 11.

Tytuł:: Zastosowanie sztucznych sieci neuronowych do modelowania procesu emisji amoniaku z pól nawożonych gnojowicą
Artificial neural networks for modelling ammonia emission from field applied slurry manure
Autorzy:: Niżewski, P.
Dach, J.
Boniecki, P.
Powiązania:: https://bibliotekanauki.pl/articles/288988.pdf
Data publikacji:: 2007
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Tematy:: emisja amoniaku
sieć neuronowa
gnojowica
ammonia emission
neural networks
slurry manure
Opis:: Problem emisji amoniaku z pól nawożonych gnojowicą jest w ostatnich 20 latach przedmiotem wielu badań. Nawożenie gnojowicą jest bowiem jednym z głównych źródeł zanieczyszczenia atmosfery przez amoniak. Warto podkreślić, że w Europie właśnie rolnictwo jest źródłem ponad 80% NH3 emitowanego do atmosfery. W ostatnim czasie różne zespoły badawcze z krajów UE prowadzą doświadczenia mające na celu oszacowanie wielkości emitowanego amoniaku do atmosfery. Działania te skupione są wokół międzynarodowych sieci naukowych, gdzie opracowywane są różne modele pomagające w szacowaniu poziomu emisji amoniaku w poszczególnych krajach.
For the last 20 years the problem of ammonia emission from the fields fertilized with a liquid manure has been a subject of many research. Liquid manure fertilization became one of the main sources of atmospheric ammonia pollution. In Europe the agronomy produces more than 80% of NH3 emitted into the atmosphere. During the last years different scientific teams carried on the research concerning an estimation of ammonia emission size and the factors influencing on this emission. These activities are focused around an international concerted actions where the different models of ammonia emissions are developed for many countries and different conditions.
Źródło:: Inżynieria Rolnicza; 2007, R. 11, nr 2 (90), 2 (90); 235-242
1429-7264
Pojawia się w:: Inżynieria Rolnicza
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

Tytuł:: Badania wpływu aeracji na dynamikę procesu kompostowania osadów ściekowych w bioreaktorze
Influence of aeration level on dynamic of sewage sludge composting process in bioreactor
Autorzy:: Dach, J.
Niżewski, P.
Jędruś, A.
Boniecki, P.
Powiązania:: https://bibliotekanauki.pl/articles/336475.pdf
Data publikacji:: 2007
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: osad ściekowy
bioreaktor
aeracja
kompostowanie
sewage sludge
composting process
bioreactor
aeration
Opis:: Problem kompostowania osadów ściekowych jest coraz częściej podejmowany w licznych badaniach naukowych. Podstawowym parametrem wpływającym na przebieg procesu kompostowania jest dostępność tlenu. W niniejszej pracy podjęto próbę oceny wpływu intensywności napowietrzania kompostowanej masy na przebieg procesu. Do badań wykorzystano 2-komorowy izolowany bioreaktor służący do modelowania procesów zachodzących w czasie tlenowego i beztlenowego zagospodarowywania materii organicznej. Stwierdzono, iż bardziej intensywne napowietrznie wpływa na większą dynamikę procesu wyrażoną wzrostem temperatury i szybkością przemian fizycznych i chemicznych. Ostatecznie jednak jakość kompostów uzyskanych w wyniku różnej intensywności napowietrzenia jest podobna.
The problem of sewage sludge composting becomes the subject of many scientific investigations. The presence of oxygen is the main parameter which influences on composting process. This paper presents the research on the influence of aeration level on the intensity of the process. The 2-chambers bioreactor for modeling of aerobic and anaerobic processes of organic matter decomposition was used It was found that higher level of aeration influences on more intense dynamic of the process which is expressed with temperature increase and rapidity of physical and chemical changes. However ultimately the quality of composts obtained as result of different aeration intensity is similar.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2007, 52, 1; 68-72
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: 13.

Tytuł:: Project of an open information technology system supporting farm management
Projekt otwartego systemu informatycznego wspomagającego zarządzanie gospodarstwem rolnym
Autorzy:: Fojud, A.
Zaborowicz, M.
Boniecki, P.
Okoń, P.
Powiązania:: https://bibliotekanauki.pl/articles/337041.pdf
Data publikacji:: 2018
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: farm management
IT
agriculture
Internet application
.NET Framework
zarządzanie gospodarstwem rolnym
rolnictwo
aplikacja internetowa
NET Framework
Opis:: This paper presents an original information system supporting the management of an agricultural holding codenamed AGMS (Agro-Management System). This system was created in C# language, using ASP. NET MVC programming technology. The application database layer was supported by SQL Server and Entity Framework technology. The creation of the program's views enabled such languages as HTML 5, CSS3 along with Bootstrap library and Javascript with dedicated Knockout.js library. The development of the system was preceded by an analysis of requirements, in accordance with software engineering procedures. The documentation created at this stage in the form of UML diagrams was prepared in Microsoft Visio. The AGMS program presented in this article is a developmental version, so all its functionalities are not yet fully implemented. The user can use the current version of the software to map fields, manage events related to individual fields and, among other things, obtain information on pests and weeds. The article also describes the concept of the final version of the program, which should include modules implementing simple methods of artificial intelligence in the field of image recognition and decision support.
Zaprezentowano autorski system informatyczny wspomagający zarządzanie gospodarstwem rolnym o nazwie kodowej AGMS (Agro-Management System). System ten został wytworzony w języku C#, w technologii programistycznej ASP.NET MVC. Warstwa bazodanowa aplikacji została obsłużona przez SQL Server oraz technologię Entity Framework. Wytworzenie widoków programu umożliwiły takie języki jak HTML5, CSS3 wraz z biblioteką Bootstrap a także Javascript z dedykowaną biblioteką Knockout.js. Opracowanie systemu zostało poprzedzone analizą wymagań, zgodnie z procedurami inżynierii oprogramowania. Powstała na tym etapie dokumentacja w postaci diagramów UML została przygotowania w programie Microsoft Visio. Program AGMS prezentowany w niniejszym artykule jest wersją rozwojową, a zatem jego wszystkie jego funkcjonalności nie są jeszcze w pełni zaimplementowane. Użytkownik korzystając z aktualnej wersji oprogramowania ma możliwość mapowania pola, zarządzania zdarzeniami dotyczącymi poszczególnych pól, a także m.in. może zasięgać informacji o szkodnikach czy chwastach. W pracy opisano także koncepcję finalnej wersji programu, w której powinny znaleźć się moduły implementujące proste metody sztucznej inteligencji w zakresie rozpoznawania obrazów i wspomagania podejmowania decyzji.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2018, 63, 4; 56-62
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: 14.

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

Zmień widok

na półce

Skocz do pozycji: 15.

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

Zmień widok

na półce

Informacja

Wyszukujesz frazę "(P-P)." wg kryterium: Wszystkie pola

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język