Autor: Boniecki, M. - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Sieć neuronowa typu MLP jako narzędzie w komputerowej analizie obrazów
MLP neural network as a tool for images computer analysis
Autorzy:: Zaborowicz, M.
Boniecki, P.
Przybylak, A.
Powiązania:: https://bibliotekanauki.pl/articles/337399.pdf
Data publikacji:: 2010
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: sieć nauronowa MLP
komputerowa analiza obrazów
MLP neural network
images computer analysis
Opis:: Znaczący rozwój technik informatycznych, mający m.in. miejsce w dziedzinie modelowania neuronowego, spowodował wzrost zainteresowania metodami sztucznej inteligencji w kontekście ich wykorzystania w badaniach naukowych. Jednym z aspektów sztucznych sieci neuronowych jest możliwość ich zastosowania w procesie identyfikacji obiektów występujących w postaci obrazów cyfrowych. Celem pracy jest wygenerowanie sieci neuronowej dokonującej klasyfikacji motyli należących do rodziny Papilionidae, objętych ochroną gatunkową na terenie Polski, w oparciu o informację zakodowaną w postaci graficznej.
A significant development of programmatic techniques, used in neural simulation, has caused an increase of interest in the methods of artificial intelligence in scientific research. The issue of the artificial network of neurons makes it possible for us to use them in the process of identification the objects seen as digital images. The aim of the work is to generate neural network, which is able to make a classification of butterflies of the Papilionidae family, protected species in Poland, basing on an information coded in the graphic form.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2010, 55, 2; 124-127
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:: Wybrane metody sztucznej inteligencji w procesie diagnozowania wybranych ciągników rolniczych
Selected methods of artificial intelligence in the process of diagnosing of chosen agricultural tractors
Autorzy:: Boniecki, P.
Krysztofiak, A.
Czechlowski, M.
Przybylak, A.
Powiązania:: https://bibliotekanauki.pl/articles/335793.pdf
Data publikacji:: 2005
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: ciągnik rolniczy
sztuczna inteligencja
eksploatacja
diagnozowanie
agricultural tractor
diagnostic
exploitation
artificial intelligence
Opis:: Systemy ekspertowe jako jedne z elementów sztucznej inteligencji, bywają narzędziem stosowanym w wielu dziedzinach gospodarki, w tym również w rolnictwie [4]. Jednym z problemów wysoko towarowych gospodarstw rolniczych jest problem diagnozowania maszyn rolniczych. W produkcji rolniczej często wykorzystuje się ciągniki, których prawidłowa eksploatacja determinuje efektywność prac polowych. Celem pracy jest budowa systemu ekspertowego służącego do diagnostyki oraz prawidłowej obsługi ciągników typu MF, niezbędnej w procesie eksploatacji.
Expert systems as elements of artificial intelligence, are sometimes a practical tool in many spheres of economy, and also in agriculture [4]. One from the problems of large-scale production agricultural farms is problem of diagnosing of agricultural machines. In agricultural production often used tractors, correct exploitation of which determines efficiency of field works. Aim of this work is to build an expert system to diagnosing and correct services of MF type tractors, in process of their exploitation.
Źródło:: Journal of Research and Applications in Agricultural Engineering; 2005, 50, 2; 20-23
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:: Przykłady wykorzystania modelowania neuronowego w praktyce rolniczej
Examples of the use of neural modeling in agricultural practice
Autorzy:: Przybylak, A.
Boniecki, P.
Zaborowicz, M.
Mo, Zhou
Przybyl, K.
Powiązania:: https://bibliotekanauki.pl/articles/883761.pdf
Data publikacji:: 2013
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:: sieci neuronowe sztuczne
wykorzystanie
modelowanie neuronowe
modele klasyfikacyjne
system ObrazKoh
system Szkodniki
modele prognostyczne
system Neuronet
system Plon 1.0
system PrognozaPlony
system ProgAzot 1.1
Źródło:: Technika Rolnicza Ogrodnicza Leśna; 2013, 1
1732-1719
2719-4221
Pojawia się w:: Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

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

Informacja

Wyszukujesz frazę "Boniecki, M." wg kryterium: Autor

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język