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 "Boniecki, P" wg kryterium: Autor

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 21
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
Tytuł:
The neural analysis of quarters healthiness of high yield cows in selected cowshed
Neuronowa analiza zdrowotności wymion krów wysokowydajnych w wybranej oborze mlecznej
Autorzy:
Jędruś, A.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/337371.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
neural model
cows
somatic cell count
model neuronowy
krowy
liczba komórek somatycznych
Opis:
Commonly recognized predictive abilities represented by selected ANN (Artificial Neural Networks) topologies are widely used in practice. They often support the decision-making processes that occur in agri-alimentary processing, such as milk production. The aim of the study was to use ANN as a predictive tool in the estimation process of the influence of selected zootechnical characteristics of cows on the milk quality, which is determined by the standards defining the requirements compliance concerning the level of somatic cell counts in the obtained milk. The work resulted in creation of the optimum predictive model which is a neural topology of the MLP-6:17:1 (MultiLayer Perceptron). The performed analysis of the generated neural model’s sensitivity to the individual input variables showed the impact of some of the zootechnical characteristics on somatic cell counts in the obtained milk.
Uznane zdolności predykcyjne, jakie reprezentują wybrane topologie SNN (Sztuczne Sieci Neuronowe), wykorzystywane są powszechnie również w szeroko rozumianej praktyce, np. wspomagają procesy decyzyjne zachodzące w przetwórstwie rolno-spożywczym, np. w branży mleczarskiej. Celem pracy było wykorzystanie SNN jako narzędzia predykcyjnego w procesie oceny wpływu wybranych cech zootechnicznych krów na jakość mleka krów, która określana jest przez normy definiujące spełnienie wymogów odnośnie poziomu zawartości komórek somatycznych w pozyskiwanym mleku. W pracy wytworzono optymalny model predykcyjny będący neuronową topologią typu MLP: 6-17-1 (MultiLayer Perceptron). Przeprowadzona analiza wrażliwości wygenerowanego modelu neuronowego na poszczególne zmienne wejściowe wykazała istotny wpływ wybranych cech zootechnicznych na liczbę komórek somatycznych w pozyskanym mleku.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2013, 58, 2; 55-57
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural image analysis in identification process of mechanical damages of kernels
Neuronowa analiza obrazu w procesie identyfikacji mechanicznych uszkodzeń ziarniaków
Autorzy:
Nowakowski, K.
Boniecki, P.
Dach, J.
Powiązania:
https://bibliotekanauki.pl/articles/335305.pdf
Data publikacji:
2009
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
ziarniak
uszkodzenie
identyfikacja
analiza neuronowa
kernel
damage
neural analysis
identification process
Opis:
The subject of the study was to develop a neural model for the identification of mechanical damage in maize caryopses based on digital photographs. The author has selected a set of features that distinguish between damaged and healthy caryopses. The study has produced an artificial neural network of a multilayer perceptron type whose identification capacity approximates that of a human.
Celem projektu badawczego było opracowanie modelu neuronowego do identyfikacji mechanicznych uszkodzeń ziarniaków 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.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2009, 54, 2; 77-80
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
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
Tytuł:
Neural network development for automatic identification of the endpoint of drying barley in bulk
Wykorzystanie sztucznych sieci neuronowcyh do automatycznej identyfikacji zakończenia niskotemperaturowego suszenia jęczmienia
Autorzy:
Olszewski, T.
Ryniecki, A.
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/334303.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sztuczna sieć neuronowa
suszenie niskotemperaturowe
jęczmień
barley
drying
neural network
Opis:
A thesis was proved that it is possible an automatic endpoint determination of drying barley in bulk, 1.2 meter's deep, based on a neural network, using a continuous on-line measurement of atmospheric air temperature and relative humidity, plenum air temperature and grain temperature in selected locations inside the bed - in situations in which drying air temperature and relative humidity change stochastically. The usefulness of individual input variables characterising the process as well as their influence on the quality of the obtained model were analysed. Several different topologies of the developed models were compared and the RBF type networks were selected as the best ones. The developed networks are characterised by a high, ranging from 93.3 to 99.6%, correctness of case assignment to the recognised classes in the course of the identification process and a high capability to generalise the analysed data.
W pracy potwierdzono możliwość automatycznej identyfikacji zakończenia procesu niskotemperaturowego suszenia ziarna jęczmienia w nieruchomej warstwie o grubości 1,2 m z zastosowaniem sztucznej sieci neuronowej. Następujące wielkości były mierzone w sposób ciągły "on-line": temperatura i wilgotność względna powietrza atmosferycznego, temperatura sprężonego powietrza oraz temperatura nasion w wybranych miejscach wewnątrz komory - w sytuacji, w której temperatura powietrza suszącego i wilgotność względna zmieniały się stochastycznie. Przeanalizowano przydatność poszczególnych zmiennych wejściowych charakteryzujących proces jak również ich wpływ na jakość otrzymanego modelu. Porównano również różne topologie otrzymanych sieci. Jako najlepsze wytypowano sieci typu RBF. Znalezione sieci charakteryzowały się dużą (w granicach 93,3-99,6%), poprawnością przypisywania przypadków do rozpoznawanych klas oraz wysokiej zdolności do generalizacji analizowanych danych.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2008, 53, 1; 26-31
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
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 networks type MLP in the process of identification of chosen varieties of maize
Sieci neuronowe typu MLP w procesie identyfikacji wybranych odmian kukurydzy
Autorzy:
Boniecki, P.
Nowakowski, K.
Tomczak, R. J.
Powiązania:
https://bibliotekanauki.pl/articles/334052.pdf
Data publikacji:
2011
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sieci neuronowe typu MLP
identyfikacja
odmiana
kukurydza
neural networks type MLP
identification
maize
variety
Opis:
During the adaptation process of the weights vector that occurs in the iterative presentation of the teaching vector, the MLP type artificial neural network (Multi Layer Perception) attempts to learn the structure of the data. Such a network can learn to recognize aggregates of input data occurring in the input data set regardless of the assumed criteria of similarity and the quantity of the data explored. The MLP type neural network can be also used to detect regularities occurring in the obtained graphic empirical data. The neuronal image analysis is then a new field of digital processing of signals. It is possible to use it to identity chosen objects given in the form of bit map. If at the network input, a new unknown case appears which the network is unable to recognize, it means that it is different from all the classes known previously. The MLP type artificial neural network taught in this way can serve as a detector signaling the appearance of a widely understood novelty. Such a network can also look for similarities between the known data and the noisy data. In this way, it is able to identity fragments of images presented in photographs of e.g. maize grain. The purpose of the research was to use the MLP neural networks in the process of identification of chosen varieties of maize applying the image analysis method. The neuronal classification shapes of grains was performed with the use of the Johan Gielis super formula.
Podczas iteracyjnej korekcji wektora wag, zachodzącej w trakcie procesu uczenia sieci neuronowej typu MLP (perceptron wielowarstwowy), następuje adaptacja (przez tworzony model neuronowy) wiedzy zawartej w strukturze analizowanych danych. W badaniach prowadzonych w dyscyplinie inżynieria rolnicza, istotne znaczenie ma proces pozyskiwania informacji zakodowanej w postaci graficznej, np. w formie zdjąć cyfrowych. Często zmiennymi reprezentatywnymi, które w sposób wystarczający charakteryzują zobrazowany obiekt, są wybrane współczynniki kształtu. Celem badań było wykorzystanie sieci neuronowych typu MLP w procesie identyfikacji wybranych odmian kukurydzy z wykorzystaniem metod analizy obrazu. Wykorzystana metoda klasyfikacji polegała na rozpoznawaniu różnic kształtów analizowanych obiektów. Neuronowa identyfikacja została wykonana z użyciem super formuły Johana Gielisa.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2011, 56, 1; 11-13
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
EDUIR & BADNAK internet information systems applied in the processes of education & research management in agricultural engineering
Wykorzystanie internetowych systemów informatycznych EDUIR I BADNAK w procesie kształcenia i zarządzania badaniami w inżynierii rolniczej
Autorzy:
Mueller, W.
Boniecki, P.
Weres, J.
Krysztofiak, A.
Powiązania:
https://bibliotekanauki.pl/articles/337125.pdf
Data publikacji:
2005
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
inżynieria rolnicza
kształcenie
Internet
system informatyczny
EDUIR
BADNAK
agricultural engineering
management
internet information
education
research
Opis:
Considering dynamics of educational processes, their teaching goals and organizational forms and also research management, faculty members face increasing requirements. Consequently, time devoted to research activities becomes gradually reduced. Implementing specific information systems that assist educational processes and research management may improve the situation while increasing efficiency. In this work Internet applications supporting teaching of agricultural engineering and also research management, were developed. Providing sequential educational materials prepared by agricultural engineering faculty members, the program allows them to verify in various forms students' achievements and to analyze the teaching process. Learning goals as well as verifying tests are based on static and dynamic pictures. Systems implementation was preceded by object modeling in the UML notation. Both latest Internet technological inventions, PHP 5 and ASP.NET, were selected. The two applications work with the SQL Server 2000 database system, supported by an original safety system developed for data confidentiality.
Proces kształcenia, z uwagi na swoją dynamikę obejmującą treści nauczania jak i jego formy organizacyjne stawia coraz większe wymagania pracownikom nauki. Konsekwencją tego jest permanentne uszczuplanie czasu przeznaczonego na badania naukowe. Częściową poprawę tego stanu rzeczy, przy jednoczesnym zwiększeniu efektywności nauczania możemy osiągnąć poprzez wykorzystanie specjalistycznych systemów informatycznych wspomagających proces kształcenia. Autorzy podjęli udaną próbę budowy aplikacji internetowej pomocnej w nauczaniu studentów w obszarze inżynierii rolniczej. Wspiera ona organizację procesu kształcenia, udostępnia sekwencyjnie materiały edukacyjnych przygotowane przez wykładowców, pozwala na różnorodne formy weryfikacji wiedzy studentów oraz dokonuje analizy procesu nauczania. Treści nauczania jak i pytania testowe bazują na stycznych i dynamicznych obrazach. Etapy poprzedzające implementację systemu obejmowały modelowanie obiektowe w notacji UML, czego efektem były wielopoziomowe diagramy przypadków użycia oraz diagramy klas. Jako narzędzia programistyczne wybrano jedną z najnowszych technologii internetowych, jakim jest PHP 5. Aplikacja współpracuje z systemem bazodanowym SQL Server 2000, a zaproponowany oryginalny system zabezpieczeń gwarantuje poufność danych.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2005, 50, 3; 36-40
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
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
Tytuł:
NEURALNET 2005: Education computer system supporting the use of artificial neural networks in agriculture
NEURALNET 2005: Komputerowy system edukacyjny wspomagający proces wykorzystania sztucznych sieci neuronowych w rolnictwie
Autorzy:
Boniecki, P.
Weres, J.
Krysztofiak, A.
Mueller, W.
Powiązania:
https://bibliotekanauki.pl/articles/336078.pdf
Data publikacji:
2006
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
NEURALNET 2005
system komputerowy
edukacja
sztuczna sieć neuronowa
rolnictwo
computer system
artificial neural network
agriculture
education
Opis:
The purpose of this project was to develop an interactive computer application pursuant to software engineering standards that would support education in the field of constructing and operating selected artificial neural network topologies. The project is designed to investigate selected problems having to do with the generation and operation of perceptron and radial network and help to present the networks' operating principles as classification instruments in a case of identifying flower varieties for practical purposes.
Celem pracy było wytworzenie, zgodnie ze standardami inżynierii oprogramowania, interaktywnej aplikacji komputerowej, wspomagającej proces edukacyjny w zakresie konstrukcji oraz eksploatacji wybranych topologii sztucznych sieci neuronowych w kontekście wykorzystania ich w rolnictwie. Ma ona przybliżyć wybrane zagadnienia z zakresu generowania i eksploatacji sieci typu perceptron i sieci radialnej oraz praktycznie zaprezentować zasadę działania tych sieci jako narzędzi klasyfikacyjnych na przykładzie zadania identyfikacji odmian kwiatów.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2006, 51, 1; 10-13
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
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
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
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
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
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
Wyświetlanie 1-15 z 21

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