Temat: Image - Katalog OPAC zbiorów

Skocz do pozycji: 1.

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: 2.

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

Skocz do pozycji: 3.

Tytuł:: Wpływ kompresji barw na działanie neuronowego modelu identyfikacyjnego
Colour compression impact on operation of a neural identification model
Autorzy:: Nowakowski, K.
Boniecki, P.
Przybylak, A.
Powiązania:: https://bibliotekanauki.pl/articles/288902.pdf
Data publikacji:: 2010
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Tematy:: analiza neuronowa obrazu
ziemniak
barwa
neural image analysis
potato
colour
Opis:: Analiza wrażliwości wytworzonego modelu neuronowego wskazała na kluczową rolę w procesie identyfikacji, informacji o kolorze ziarniaka. postanowiono sprawdzić wpływ kompresji kolorów na jakość działania neuronowego modelu identyfikacyjnego. Zaproponowano dwa autorskie sposoby kompresji informacji o kolorze ziarniaków. Obydwie metody znacząco zmniejszyły rozmiar wektora uczącego. Wyniki działania neuronowego modelu indentyfikacyjnego, w oparciu o zmodyfikowane zbiory uczące, okazały się znacząco gorsze od modelu wytrenowanego na zbiorach uczących zawierających pełną informację o barwie.
Sensitivity analysis of a developed neural model has indicated key role in the process of identifying information on seed colour. The researchers decided to check the impact of colour compression on quality of neural identification model operation. The authors proposed two own methods allowing to compress information concerning colour of seeds. Both methods significantly reduced the size of teaching vector. Results for the neural identification model operation on the basis of modified teaching sets have proven to be considerably worse than for the model trained using teaching sets containing complete information on colour.
Źródło:: Inżynieria Rolnicza; 2010, R. 14, nr 3, 3; 159-164
1429-7264
Pojawia się w:: Inżynieria Rolnicza
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Neural image analysis in process of compost quality identification
Neuronowa analiza obrazu w procesie identyfikacji jakości kompostu
Autorzy:: Boniecki, P.
Dach, J.
Jakubek, A.
Dejewska, T.
Powiązania:: https://bibliotekanauki.pl/articles/334309.pdf
Data publikacji:: 2009
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: neuronowa analiza obrazu
identyfikacja
kompost
neural image analysis
compost
identification
Opis:: The paper presents the experiments of compost images analysis carried out with two types of digital cameras working in daylight and ultraviolet light. The data collected with two cameras were analysed with the usage of neural network model (using part of application Statistica v. 8.0). The results of images analysis were combined also with the results of chemical and physical analysis of composted material.
W pracy zaproponowano oryginalną metodę oceny jakości kompostu, z wykorzystaniem nowoczesnych technik analizy obrazu, dokonaną w oparciu o zdjęcia pozyskane z dwóch typów aparatów cyfrowych, pracujących w świetle dziennym oraz świetle ultrafioletowym. Zebrane dane poddane zostały analizie za pomocą sztucznych sieci neuronowych z wykorzystaniem numerycznego symulatora SNN zaimplementowanego w postaci modułu w komercyjnym pakiecie Statistica v. 8.0. Otrzymane wyniki zostały następnie skojarzone z danymi uzyskanymi w oparciu o przeprowadzoną analizę chemiczną oraz fizyczną wybranych materiałów organicznych, poddanych procesowi kompostowania w warunkach laboratoryjnych.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2009, 54, 1; 9-11
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:: 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

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:: 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: 8.

Tytuł:: Binaryzacja obrazów mikrofotograficznych oocytów świni domowej w procesie neuronowej analizy obrazu
Binarization of the microphotography images of porcine oocytes in the process of neural image analysis
Autorzy:: Dejewska, T.
Boniecki, P.
Jaśkowski, J. M.
Jakubek, A.
Powiązania:: https://bibliotekanauki.pl/articles/336286.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: binaryzacja
obraz mikrofotograficzny
świnia domowa
analiza obrazu
binarization
microphotography
neural image analysis
Opis:: Celem pracy było zbadanie możliwości pozyskiwania informacji z obrazów przedstawiających oocyty świni domowej z wykorzystaniem procesu binaryzacji, w celu tworzenia zbiorów uczących, niezbędnych do generowania modeli neuronowych. Zwrócono uwagę na główny problem związany z stosowaniem tego przetwarzania, jakim jest dobór odpowiedniego progu. W niniejszym opracowaniu zestawiono efekty zastosowania binaryzacji dla analizowanych zdjęć z wykorzystaniem różnych metod doboru progów. Zweryfikowano celowość używania tej metody w badanych obrazach, jak również przesłanki do stosowania odpowiednich parametrów binaryzacji.
The aim of this study was to analyze the possibilities of the acquisition of information from images of porcine oocytes using binarization. Also attention was paid to the main problem of this processing, which is the selection of an adequate threshold. In this study summarizes the effects of binarization for the analyzed images using different methods of selecting thresholds. Purposefulness of using this method in the test images was verified, as well as the conditions for application of the adequate parameters of binarization.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2011, 56, 2; 37-39
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:: Visual quality evaluation of malting barley with use of neural image analysis
Wizualna ocena jakości jęczmienia browarnego z wykorzystaniem neuronowej analizy obrazu
Autorzy:: Raba, B.
Nowakowski, K.
Boniecki, P.
Powiązania:: https://bibliotekanauki.pl/articles/337065.pdf
Data publikacji:: 2015
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: malting barley
image processing
artificial intelligence
jęczmień browarny
przetwarzanie obrazu
sztuczna inteligencja
Opis:: The quality evaluation is one of the most important stages of the production processes. The same as regards the beer production and its components: hop, yeast, malting barley and other ingredients. Presented project deals with the complex quality evaluation of malting barley used for malt production. Its main goal is to elaborate complete methodology for the identification of varieties, the level of contamination and other visual features of malting barley with the use of computer science technologies, such as neural image analysis.
Jednym z najważniejszych etapów w procesie produkcyjnym jest ocena jakości. Podobnie jest w produkcji piwa i jego składników: chmielu, drożdży, jęczmienia browarnego i innych. Przedstawiony projekt dotyczy kompleksowej oceny jakości jęcz-mienia browarnego używanego do produkcji słodu. Jego głównym celem jest opracowanie kompletnej metodyki identyfikacji odmian, poziom zanieczyszczenia i innych wizualnych cech jęczmienia browarnego z wykorzystaniem technologii informatycznych opartych na neuronowej analizy obrazu.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2015, 60, 1; 80-83
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:: 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: 11.

Tytuł:: Klasyfikacja ziarniaków kukurydzy w oparciu o neuronową identyfikację kształtu
The classification of maizes kernels with supporting neuronal identification of shape
Autorzy:: Boniecki, P.
Nowakowski, K.
Powiązania:: https://bibliotekanauki.pl/articles/336706.pdf
Data publikacji:: 2008
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: ziarniak
kukurydza
klasyfikacja
neuronowa analiza obrazu
classification
maize
corn kernel
neuronal image analysis
Opis:: Celem pracy było wytworzenie systemu informatycznego wspomagającego proces klasyfikacji ziarniaków kukurydzy w oparciu o neuronową analizę obrazu. W pracy wykorzystano metodę identyfikacji różnic kształtów analizowanych obiektów w oparciu o tzw. superformułę, zaproponowaną przez Johana Gielisa, pozwalającą na reprezentację dowolnego kształtu za pomocą sześciu niezależnych parametrów.
The aim of work was producing the computer system helping the process of classification of corn kernels using neuronal image analysis. In the project was used method of identification of shapes differences using superformula proposed by John Gielis, permitting on representation of any shape with six independent parameters.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2008, 53, 3; 14-17
1642-686X
2719-423X
Pojawia się w:: Journal of Research and Applications in Agricultural Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

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

Zmień widok

na półce

Skocz do pozycji: 13.

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: 14.

Tytuł:: The Kohonen neural network in classification problems solving in agricultural engineering
Sieci neuronowe typu Kohonena w klasyfikacyjnych problemach inżynierii rolniczej
Autorzy:: Boniecki, P.
Powiązania:: https://bibliotekanauki.pl/articles/337093.pdf
Data publikacji:: 2005
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: inżynieria rolnicza
sieć neuronowa
rozpoznawanie obrazu
agricultural engineering
neural network
recognition of an image
Opis:: During the adaptation process of the weights vector that occurs in the iteration presentation of the teaching vector, the Kohonen type neural network attempts to learn the structure of the data. Such a network can learn to recognise aggregates of input data occuring in the input data set regardless of the assumed criteria of similarity and the quantity of the data explored. Following identification of aggregates occurring in the data set, they can be named (labelled), and as a result the Kohonen network gains the ability to classify them in compliance with the inner logic included in the data set. The Kohonen type neural network can therefore be used for classification of data also when the output classes are not known (defined) in advance.
Podczas procesu adaptacji wektora wag zachodzącego w trakcie iteracyjnej prezentacji wektora uczącego, sieć neuronowa typu Kohonena próbuje nauczyć się struktury danych. Sieć taka może nauczyć się rozpoznawania skupień występujących w zbiorze danych wejściowych bez względu na przyjęte kryteria podobieństwa oraz ilość eksplorowanych danych. Po identyfikacji skupień występujących w zbiorze danych można nadać im nazwy (zaetykietować je), skutkiem czego sieć Kohonena uzyskuje możliwość przeprowadzania ich klasyfikacji, zgodnie z wewnętrzną logiką zawarta w zbiorze danych. Sieć neuronowa typu Kohonena może zatem być użyta do klasyfikacji danych również wtedy, gdy klasy wyjściowe nie są z góry znane (zdefiniowane).
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2005, 50, 1; 37-40
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: 15.

Tytuł:: System informatyczny "nStraw" wspomagający neuronową identyfikację stopnia dojrzałości kompostu
Computer system "nStraw" assisting a neural identification of compost maturity
Autorzy:: Boniecki, P.
Jakubek, A.
Kuzimska, T.
Pilarski, K.
Powiązania:: https://bibliotekanauki.pl/articles/336465.pdf
Data publikacji:: 2012
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: kompost
dojrzałość
analiza obrazu
sztuczna inteligencja
sieci neuronowe
compost
maturity
image analysis
artificial intelligence
neural networks
Opis:: Celem pracy była neuronowa identyfikacja stopnia rozkładu materiału organicznego (słomy) na podstawie informacji graficznej, uzyskanej przy użyciu metod analizy obrazu. W tym celu opracowano oryginalny system informatyczny "nStraw", umożliwiający edycję obrazów cyfrowych, akwizycję danych graficznych, ich analizę oraz konwersję do zbiorów uczących w postaci akceptowalnej przez symulator sztucznych sieci neuronowych.
The aim of this study was to describe a neural identification of the level of decomposition of organic material, based on graphic information, which is obtained by using image analysis. For this purpose, a neural network "nStraw" was generated for editing images, data retrieval and analysis.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2012, 57, 1; 21-25
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 "Image" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język