Autor: Boniecki, P - Katalog OPAC zbiorów

Skocz do pozycji: 1.

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: 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:: 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: 4.

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

Informacja

Wyszukujesz frazę "Boniecki, P" wg kryterium: Autor

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język