Skocz do pozycji: 1.

Tytuł:

System ekspertowy wspomagajacy procesy decyzyjne w produkcji roslinnej

Autorzy:

Boniecki, P

Powiązania:

https://bibliotekanauki.pl/articles/883001.pdf

Data publikacji:

2007

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

produkcja roslinna
wspomaganie komputerowe
systemy ekspertowe
procesy decyzyjne
rolnictwo
system SadExpert

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2007, 05; 22-24
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 2.

Tytuł:

Wykorzystanie technik neuronowych w praktyce rolniczej
Using of neuronal techniques in agricultural practice

Autorzy:

Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/335801.pdf

Data publikacji:

2005

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

technika neuronowa
praktyka rolnicza
system klasyfikacji
sieć neuronowa
neural technique
agricultural practice
classification system
neural network

Opis:

Rozwój technologii informatycznych spowodował pojawienie się zupełnie nowych możliwości analitycznych, bazujących na obserwacjach procesów naturalnych, a w szczególności na wnioskach płynących z badań naukowych dotyczących pracy mózgu, jakie opisują dynamicznie rozwijające się techniki przetwarzania neuronowego (Osowski S., 2000). Należy podkreślić, że sztuczne sieci neuronowe potrafią operować zarówno na zbiorach danych numerycznych, pochodzących np. z badań doświadczalnych, jak również na zbiorach rozmytych, tak charakterystycznych dla postrzegania ludzkiego umyslu. Ostatnio znajdują zastosowanie w systemach klasyfikacyjnych wykorzystywanych w rolnictwie.
The development of computer technologies caused the appearance of the completely new analytic possibilities, basing on observations of natural processes, and in peculiarity on conclusions following with scientific researches relating the brain work investigations, what is described by the dynamically developing techniques of neuronal processing. One should underline, that artificial neuronal networks are able to operate both on gatherings of numeric data coming from experimental investigations, as well as on fuzzy sets, so characteristic for perception of human mind. Recently they are used in agriculture in classification systems.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2005, 50, 2; 10-14
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 3.

Tytuł:

Liniowe sieci neuronowe a metody analizy regresji w aspekcie ich wykorzystania w inżynierii rolniczej
Linear neural networks vs. regression analysis methods in the aspect of their applications in agricultural engineering

Autorzy:

Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/290860.pdf

Data publikacji:

2005

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

sieci neuronowe
analiza regresji
metoda
neural netwoks
regression analysis
method

Opis:

Nieustanne dążenie badaczy do pełniejszego rozumienia i wyjaśnienia praw rządzących przyrodą spowodowało, że rosnącego znaczenia nabierają poszukiwania nowych metod badawczych, coraz efektywniej wspomagających procesy poznawcze. Należą do nich niewątpliwie uzupełniające modele symulacyjne, tworzone dedukcyjnie na zbiorach przesłanek, wynikających z aktualnego stanu wiedzy naukowej. Techniki eksperymentu wirtualnego, wspomagające proces badania złożonych systemów empirycznych, powinny znajdować zastosowanie praktyczne również w dyscyplinie naukowej, jaką jest inżynieria rolnicza. Dynamiczny rozwój technik informatycznych spowodował pojawienie się zupełnie nowych możliwości obliczeniowych, bazujących na wzorcach pochodzących bezpośrednio z obserwacji procesów naturalnych, a w szczególności pracy mózgu. Kluczową rolę spełniają tu metody sztucznych sieci neuronowych, stanowiące w wielu przypadkach modele ekwiwalentne (a często znacznie rozszerzające potencjalne widmo zastosowań) w stosunku do tradycyjnych metod statystycznych.
Endless efforts made by researches in order to better understand and explain principles governing the nature, has caused that it is becoming of greater importance to seek new investigation methods, which play an increasingly more significant role in enhancing the cognitive processes. Such are, beyond all doubt, the supplementary simulation models, created by inference based on the sets of indications, resulting from the current status of knowledge. Virtual experimentation techniques, aiding the process of examining complex empirical systems, should be utilized practically, also in such domain as the agricultural engineering. Dynamic growth of IT techniques has brought completely new computing capacities, based on the examples originating directly from observation of natural processes, especially the function of brain. The methods of artificial neural networks, which often serve as equivalent models (and often considerably extending potential spectrum of applications) in relation to traditional statistical methods, play the key role here.

Źródło:

Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 31-43
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 4.

Tytuł:

Wykorzystanie sztucznych sieci neuronowych typu RBF do predykcji plonu wybranych roślin zbożowych
The use of artificial neuronal networks of the RBF type for prediction of yield of chosen cereal plants

Autorzy:

Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/335789.pdf

Data publikacji:

2005

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

sztuczna sieć neuronowa
RBF
predykcja
plon
zboże
symulacja komputerowa
artificial neural network
prediction
yield
cereal plant
computer simulation

Opis:

Pojawiające się ostatnio metody, mające cechy sztucznej inteligencji, pozwalają na budowę modeli symulacyjnych, które realizują postawione zadania w oparciu o wzorce zaczerpnięte bezpośrednio z obserwacji przyrody [1]. Szczególną grupę stanowią techniki przetwarzania oparte na sztucznych sieciach neuronowych, będące w istocie komputerowymi symulatorami pracy mózgu [3]. Za pomocą modeli neuronowych można m.in. dokonać predykcji wielkości plonów płodów rolnych w oparciu o posiadane empiryczne dane, dotyczące zbiorów w latach ubiegłych. W pracy proponuje się wykorzystanie technik predykcyjnych, jakie m.in. reprezentują wybrane topologie sieci neuronowych, w szczególności sieci neuronowe typu RBF (Radial Basis Functions).
Appearing recently methods, having guilds of artificial intelligence, permit on building of simulating models which realize assigned tasks on the basis of patterns taken directly with nature observation [1]. The processing techniques based on artificial neural networks create a special group, being in fact a computer simulators of brain work [3]. With the help of neuronal models it is possible to predict the expected crops yield on the basis of empirical data regarding crop yields in last summers. This work proposes utilization of prediction methods, which represent chosen topologies of neuronal nets among others, the RBF (Radial Basis Functions) neural network peculiarly.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2005, 50, 2; 15-19
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 5.

Tytuł:

Sieci neuronowe typu MLP oraz RBF jako narzędzia klasyfikacyjne w analizie obrazu
The neural network type the MLP and RBF as classifying tools in picture analysis

Autorzy:

Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/337163.pdf

Data publikacji:

2006

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

sieć neuronowa
sieć neuronowa MLP
sieć neuronowa RBF
analiza obrazu
identyfikacja neuronowa
model neuronowy
neural network
MLP neural network
RBF neural network
picture analysis
neuronal identification
neuronal model

Opis:

Neuronowa identyfikacja danych obrazowych, ze szczególnym naciskiem na analizę ilościową oraz jakościową, coraz częściej wykorzystywana jest do pozyskiwania oraz zgłębiania wiedzy zawartej w danych empirycznych. Ekstrakcja, a następnie klasyfikacja wybranych cech obrazu, pozawala na wytworzenie informatycznych narzędzi do identyfikacji wybranych obiektów, prezentowanych np. w postaci obrazu cyfrowego. W związku z tym, celowym wydaje się być poszukiwanie nowoczesnych metod wspomagających proces edukacyjny w zakresie konstrukcji oraz eksploatacji modeli neuronowych w kontekście ich wykorzystania w procesie analizy obrazu. Dodatkowym celem pracy było porównanie jakości sieci MLP oraz RBF mające na względzie wskazanie optymalnego instrumentu klasyfikacyjnego.
The neuronal identification of pictorial data, with special emphasis on both quantitative & qualitative analysis, is more frequently utilized to gain & deepen the empirical data knowledge. Extraction & then classification of selected picture features, enables one to create computer tools in order to identify these objects presented as, for example, digital pictures. In relationship from this, it seems to be purposeful the search of the modern methods helping educational process in the range of construction as well as exploitation of neuronal models in context of their utilization in picture analysis process. The additional aim of the work was the comparison of neural network of the type MLP and RBF for indication of the optimum classification tool.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2006, 51, 4; 34-39
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 6.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 7.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 8.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 9.

Tytuł:

Modelowanie neuronowe wybranych obiektów rolniczych z wykorzystaniem superformuły Johana Gielisa
Neuronal modelling of selected agricultural objects with usage of Johan Gieliss supershape

Autorzy:

Boniecki, P.
Olszewski, T.

Powiązania:

https://bibliotekanauki.pl/articles/334299.pdf

Data publikacji:

2008

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

modelowanie neuronowe
sieć neuronowa
superformuła Johana Gielisa
neuronal modelling
neural network
Johan Gielis's supershape formula

Opis:

Celem pracy było badanie mozliwości klasyfikacyjnych sieci neuronowych w procesie identyfikacji ziarniaków pszenicy, jęczmienia oraz kukurydzy. Wykorzystana metoda separacji polegała na rozpoznawaniu różnic kształtów analizowanych obiektów. W celu identyfikacji kształtu, a następnie zakodowania pozyskanych danych empirycznych do postaci zbiorów uczących, wykorzystano tzw. superformułę zaproponowaną przez Johana Gielisa. Formuła ta pozwala na odwzorowanie dowolnego kształtu za pomocą sześciu niezależnych parametrów.
The aim of the work was to study the classifying possibilities of neural networks in the identification process of the wheat's, barley's and corn's kernel. Applied separation method depended on recognizing the shape differences of analysed objects. In order to identify the shape, and afterwards to encode the obtained empirical data into the training data sets the Johan Gielis's supershape formula was used. This formula permits for projection of any shape with a help of six independent parameters.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2008, 53, 1; 22-25
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 10.

Tytuł:

Sieciowe projektowanie prac maszynowych w rolnictwie z zastosowaniem baz danych
Methods of network planning for tools and machines used in agriculture with the use of databases

Autorzy:

Grzelak, J
Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/884159.pdf

Data publikacji:

2007

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

mechanizacja pracy
projektowanie sieciowe
produkcja roslinna
mechanizacja produkcji roslinnej
bazy danych
rolnictwo

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2007, 04; 20-24
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 11.

Tytuł:

Identyfikacja pól temperatur wykorzystywanych do oceny niejednorodności przepływu powietrza przez kamienne złoże z użyciem technik neuronowych
Identification of temperature fields applied for evaluation of air flow heterogeneity through a rock bed storage by means of neural methods

Autorzy:

Mueller, W.
Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/291688.pdf

Data publikacji:

2006

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

nierównomierność przepływu
regenerator kamienny
sieć neuronowa
inequality of air flow
stone regenerator
neuronal net

Opis:

Efektywność wykorzystania kamiennych regeneratorów, a w tym również współpracujących z nimi niekonwencjonalnych źródeł energii zależy między innymi od nierównomierności przepływu powietrza przez złoże. Kontynuując wcześniej podjętą problematykę badawczą autorzy zajęli się tym razem wspomnianym zjawiskiem, ale podczas fazy rozładowywania kamiennego akumulatora. Zrealizowane badania na stanowisku badawczym nie dostarczyły odpowiedniej ilości profili czasowych temperatury, co miało swoje uzasadnienie w ograniczonej z przyczyn technicznych liczbie punktów pomiaru temperatury. Podjęto, zatem wysiłki zmierzające do wykorzystania predykcyjnych możliwości sieci neuronowych [Boniecki 2004]. Efekty zrealizowanych badań i symulacji na bazie wytworzonych modeli neuronowych zaprezentowano w niniejszej publikacji.
Utilization efficiency of stone regenerators, including unconventional sources of energy working with them, depends - among other factors - on inequality of air flow through the deposit. Following their research of the phenomenon, authors of this paper investigated a stone storage during the unloading phase. Tests conducted did not deliver a reliable quantity of time temperature profiles, due to a limited number of temperature measurement points. Therefore, it was undertaken to utilize a predictive potential of neuronal nets. This paper presents results of stone storage tests and simulations based on created neuronal models.

Źródło:

Inżynieria Rolnicza; 2006, R. 10, nr 13(88), 13(88); 351-363
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 12.

Tytuł:

Wpływ liczby zmiennych na jakość działania neuronowego modelu do identyfikacji mechanicznych uszkodzeń ziarniaków kukurydzy
The impact of the number of variables on the operation quality of neuron model for identifying mechanical damage of corn seeds

Autorzy:

Nowakowski, K.
Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/290908.pdf

Data publikacji:

2008

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

kukurydza
uszkodzenie mechaniczne
identyfikacja
reprezentatywne dane uczące
sieć neuronowa
analiza obrazu
maize
mechanical damage
identifying
representative teaching data
neural network
image analysis

Opis:

Wykorzystanie sztucznych sieci neuronowych do identyfikacji mechanicznych uszkodzeń ziarniaków, prezentowanych w postaci fotografii, wymaga doboru odpowiednich cech charakterystycznych, na podstawie których zostanie przeprowadzony proces rozpoznawania. Wybór danych można zweryfikować wykorzystując narzędzie analizy wrażliwości sieci. Dzięki jego zastosowaniu można ocenić poziom istotności poszczególnych cech charakterystycznych i sprawdzić czy wszystkie wcześniej wybrane zmienne są niezbędne w procesie uczenia.
Using of artificial neuron networks for identifying mechanical damage of seeds presented on photographs requires selection of proper characteristics, which can be the basis for identification process. Data choice can be verified by using the instrument of network sensitivity analysis. Thanks to its use the significance level of particular characteristics can be evaluated, and it may be verified if all selected variables are essential in the learning process.

Źródło:

Inżynieria Rolnicza; 2008, R. 12, nr 6(104), 6(104); 151-157
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 13.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 14.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 15.

Tytuł:

Klasyfikacja ziarniakow kukurydzy w oparciu o neuronowa identyfikacje ksztaltu
The classification of maizes kernels with supporting neuronal identification of shape

Autorzy:

Boniecki, P
Nowakowski, K.

Powiązania:

https://bibliotekanauki.pl/articles/882900.pdf

Data publikacji:

2008

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

ksztalt
kukurydza
ziarniaki
sieci neuronowe sztuczne
aplikacja Klasyfikator
identyfikacja

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2008, 06; 21-24
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 16.

Tytuł:

Analiza neuronowa wybranych parametrów zdolności wydojowej krów wysokowydajnych
The neural analysis of selected parameters of milking capacity for high-yield cows

Autorzy:

Jedrus, A.
Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/884086.pdf

Data publikacji:

2014

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

krowy wysokomleczne
zdolnosc wydojowa
mleko cwiartkowe
wydajnosc mleka
sieci neuronowe sztuczne

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2014, 1
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 17.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 18.

Tytuł:

Neuronowe techniki klasyfikacyjne w problemach identyfikacyjnych inżynierii rolniczej
The neuronal classifying techniques in problems of identification of agricultural engineering

Autorzy:

Boniecki, P.
Mueller, W.

Powiązania:

https://bibliotekanauki.pl/articles/337135.pdf

Data publikacji:

2005

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

inżynieria rolnicza
technika neuronowa
klasyfikacja
sztuczna sieć neuronowa
agricultural engineering
neural technique
artificial neural network
classification

Opis:

Celem pracy było omówienie podstawowych technik klasyfikacyjnych w kontekście wykorzystania ich w problemach badawczych inżynierii rolniczej. Wskazano wybrane topologie sztucznych sieci neuronowych jako efektywne narzędzia klasyfikacyjne. Dodatkowym efektem przeprowadzonej analizy bylo wytworzenie systemu informatycznego "Sieci neuronowe - Perceptron " wspomagającego proces edukacji. Wytworzony program komputerowy ma za zadanie klasyfikować dane zaczerpnięte z obszaru inżynierii rolniczej. Program działa w oparciu o sieć wielowarstwową typu perceptron - MLP (MultiLayer Perceptron).
The aim of the work was discussion of basic classifying techniques in context of their utilisation in investigative problems of agricultural engineering. The chosen topology of artificial neural networks were showed as effective classifying tools. Creation of the computer system "The neuronal nets - Perceptron " was the additional effect of the conducted analysis, helping the process of education. The aim of the created computer program is to classify the data obtained from the area of agricultural engineering. The program acts on the basis of many-layered network of perceptron type - MLP (MultiLayer Perceptron).

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2005, 50, 3; 15-19
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 19.

Tytuł:

Modelowanie neuronowe procesów cieplnych zachodzących podczas kompostowania wybranych nawozów naturalnych
Neural modelling of thermal processes during composting of chosen natural fertilizers

Autorzy:

Olszewski, T.
Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/337464.pdf

Data publikacji:

2010

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

modelowanie neuronowe
kompostowanie
nawóz naturalny
proces cieplny
neural modelling
thermal process
composting
natural fertilizer

Opis:

Proces kompostowania polega na mikrobiologicznym rozkładzie substancji organicznych w warunkach tlenowych za pomocą mikroorganizmów termofilnych i pleśni. Podczas procesu kompostowania wydzielają się duże ilości ciepła, które może być wykorzystane do różnych celów. W literaturze światowej brak jest informacji o wykorzystaniu sieci neuronowych w modelowaniu procesów cieplnych zachodzących podczas kompostowania. Celem prezentowanej pracy było modelowanie procesu kompostowania stałych nawozów naturalnych z wykorzystaniem sztucznych sieci neuronowych, ze szczególnym uwzględnieniem analizy cieplnej zachodzących zjawisk. Skupiono się na estymacji ilości ciepła otrzymywanego w wyniku reakcji egzotermicznych zachodzących podczas procesu kompostowania. Dokonano analizy oraz wytworzono, przetestowano i zweryfikowano zbiór topologii sieci neuronowych, działających jako efektywne instrumenty predykcyjne. W tym celu wykorzystano pakiet oprogramowania analitycznego Statistica v. 7.1 moduł: "Sieci Neuronowe". Mała wartość ilorazu odchyleń standardowych oraz współczynnik korelacji bliski jedności świadczy o dobrej jakości otrzymanych sieci neuronowych.
Composting process depends on microbiological decomposition of organic matter in oxygenic conditions proceeded by the thermopile microorganisms and moulds. During the process there is a lot of heat energy emission which can be used for different aims. There is no information about neural network used for modelling of composting processes in the world publications. The objective of presented work was to model the composting process of solid natural fertilizers using the artificial neural networks. I focused mainly on thermal analysis of this process. Qualification of heat emission as a result of exothermic reactions during composting process was the focus of attention. The second stage was complex analysis as well as creating, testing and verification of series of neural networks topology. The analytical software package Statistica v. 7.1: 'Neural Networks' was used. Low ratio of standard deviations and correlation coefficient close to one, provide the most important information for the good assessment of the neural network.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2010, 55, 2; 56-61
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 20.

Tytuł:

Autoasocjacyjna sieć neuronowa jako narzędzie do nieliniowej kompresji danych
The artificial neural nerwork as a helping tool in the process of non-linear data compression

Autorzy:

Boniecki, P.
Przybył, J.

Powiązania:

https://bibliotekanauki.pl/articles/336092.pdf

Data publikacji:

2006

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

sieć neuronowa
autoasocjacyjna sieć neuronowa
kompresja danych
artificial neural network
data compression
autoassociative network

Opis:

Sieci autoasocjacyjne to sieci, które odtwarzają wartości wejściowe na swoich wyjściach. Działanie takie zdecydowanie ma sens, ponieważ rozważana sieć autoasocjacyjna posiada w warstwie środkowej (ukrytej) zdecydowanie mniejszą liczbą neuronów niż w warstwie wejściowej czy wyjściowej. Dzięki takiej budowie dane wejściowe muszą przecisnąć się przez swojego rodzaju zwężenie w warstwie ukrytej sieci, kierując się w do wyjścia. Dlatego też, w celu realizacji stawianego jej zadania reprodukcji informacji wejściowej na wyjściu, sieć musi się najpierw nauczyć reprezentacji obszernych danych wejściowych za pomocą mniejszej liczby sygnałów produkowanych przez neurony warstwy ukrytej, a potem musi opanować umiejętność rekonstrukcji pełnych danych wejściowych z tej "skompresowanej" informacji. Oznacza to, że sieć autoasocjacyjna w trakcie uczenia zdobywa umiejętność redukcji wymiaru wejściowych danych.
An autoassociative network is one which reproduces its inputs as outputs. Autoassociative networks have at least one hidden layer with less units than the input and output layers (which obviously have the same number of layers as each other). Hence, autoassociative networks perform some sort of dimensionality reduction or compression on the cases. Dimensionality reduction can be used to pre-process the input data to encode Information in a smaller number of variables. This approach recognizes that the intrinsic dimensionality of the data may be lower than the number of variables. In other words, the data can be adequately described by a smaller number of variables, if the right transformation can be found.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2006, 51, 1; 37-40
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 21.

Tytuł:

Sztuczne sieci neuronowe jako narzędzie wspomagające proces numerycznego przetwarzania w problemach inżynierii rolniczej
The artificial neural networks as a helping tool in the process of numerical agricultural engineering problems

Autorzy:

Boniecki, P.
Paryś, A.

Powiązania:

https://bibliotekanauki.pl/articles/336080.pdf

Data publikacji:

2006

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

inżynieria rolnicza
sztuczna sieć neuronowa
przetwarzanie numeryczne
macierz odwrotna
agricultural engineering
artificial neural network
numerical processing
inverted matrix

Opis:

Proces dyskretyzacji ciągłego zagadnienia różniczkowego (wraz z warunkami początkowo-brzegowymi) prowadzi do uzyskania liniowego układu równań algebraicznych. Rozwiązanie takiego układu równań wymaga znajomości postaci macierzy odwrotnej układu. Jednokierunkowe sieci neuronowe mogą być efektywnie wykorzystane w algebrze macierzowej do realizacji wielu standardowych operacji macierzowych, w tym również do odwracania macierzy. Wymienione wyżej modele neuronowe pozwalają w trakcie ich eksploatacji na uzyskanie dużej szybkości działania (praktycznie działania w czasie rzeczywistym). Problemem zasadniczym, w powyższym kontekście, jest właściwe określenie funkcji energetycznej, której minimalizacja pozwala na zaprojektowanie, wygenerowanie oraz nauczenie odpowiedniej topologii sieci neuronowej. Celem pracy była analiza możliwości wykorzystanie nowoczesnych technik sztucznych sieci neuronowych do generowania postaci macierzy odwrotnej.
The discretization process of the cotinuous differential issue (with the initial-border conditions) leads to obtaining the linear set of algebraic equations. To resolve such a set of equations, the knowledge about the inverted form of system matrix is required. One-directional neural networks can be effectively used in matrix algebra to conduct lots of standard matrix operations, including matrix inversion. The neural models listed above during exploitation let to obtain a great functional speed (nearly real time work). The basic problem, in mentioned context, is the proper definition of an energetic function, minimalization of which lets to design, generate and learn the proper neural network topology. The aim of work was analysis of the possibilities of using modern techniques of artificial neural networks to generate the inverted matrix form.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2006, 51, 1; 14-17
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 22.

Tytuł:

Prognozowanie plonów wybranych płodów rolnych z wykorzystaniem modeli neuronowych w postaci szeregów czasowych
Expectation crops of chosen agricultural fetuses with the help of neural model by time series

Autorzy:

Boniecki, P.
Mueller, W.

Powiązania:

https://bibliotekanauki.pl/articles/337153.pdf

Data publikacji:

2006

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

sieć neuronowa
prognozowanie
płody rolne
plon
model neuronowy
szereg czasowy
neural network
prognose
neural model
time series
agricultural fetuses
yield

Opis:

Jednym z ważnych etapów badania oraz analizy systemów empirycznych jest proces prognozowania, mający praktyczne zastosowanie w szerokim zakresie działalności ludzkiej. W przypadku przewidywania wielkości płodów rolnych mamy do czynienia z szeregiem złożonych bodźców, które w efekcie przekładają się na wynik końcowy, jakim jest plon. Jakość tych prognoz ma ogromne znaczenie dla kolejnych etapów w łańcuchu produkcyjno-dystrybucyjnym płodów rolnych. Sieci neuronowe w postaci szeregów czasowych są wysublimowaną techniką modelowania, zdolną odwzorować bardzo złożone funkcje. Celem analizy szeregów czasowych jest ustalenie prognozy przyszłych wartości pewnej zmiennej, której wartości zmieniają się w czasie. Najczęściej dąży się do obliczenia prognozy korzystając z wcześniejszych wartości tej samej zmiennej, której wartość ma być przewidywana. Zbiór uczący, wykorzystywany przy neuronowej analizie szeregów czasowych, budowany jest zwykle w oparciu o pojedynczą zmienną, której typ określony jest jako "Wejściowo-Wyjściowy". Oznacza to, że jest ona wykorzystywana zarówno jako wejście sieci neuronowej, jak i jako jej wyjście.
Prediction becomes a very important stage in many activities. In case of expectation crops of chosen agricultural foetuses we deal with a number of stimuli which consequently transform into the end effect. It is clear that the quality of those predictions has a great influence on subsequent stages in the production and distribution chain of agricultural foetuses. Neural networks by time series are a sophisticated technique of modeling capable of reflecting very complex functions. In time series problems, the objective is to predict ahead the value of a variable which varies in time, using previous values of that and/or other variables. The time series training data set therefore typically has a single variable, and this has type input/output (i.e., it is used both for network input and network output).

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2006, 51, 4; 40-43
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 23.

Tytuł:

Neuronowa identyfikacja wybranych szkodników zbóż w oparciu o informację zawartą w postaci dwuwymiarowych obrazów
Neuronal identification of the chosen cereal pests on the basis of information contained in the form of two-dimensional pictures

Autorzy:

Boniecki, P.
Piekarska-Boniecka, H.

Powiązania:

https://bibliotekanauki.pl/articles/336459.pdf

Data publikacji:

2007

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

cyfrowe przetwarzanie sygnałów
CSP
neuronowa analiza obrazów
szkodnik zbóż
digital signal processing
DSP
neuronal pictures analysis
cereal pest

Opis:

Cyfrowe przetwarzanie sygnałów (CPS; ang. Digital Signal Processing, DSP) jest dziedziną nauki i techniki zajmującą się sygnałami w postaci cyfrowej i metodami ich przetwarzania. Cyfrowe przetwarzanie sygnałów i analogowe przetwarzanie sygnałów są gałęziami nadrzędnej dyscypliny: przetwarzania sygnałów. Pierwszym etapem cyfrowego przetwarzania sygnałów jest zazwyczaj konwersja sygnału z postaci analogowej na cyfrową za pomocą przetwornika analogowo-cyfrowego. Często sygnał przetworzony cyfrowo jest sygnałem wejściowym dla modelu neuronowego. Neuronowa analiza obrazów to nowa dziedzina cyfrowego przetwarzania sygnałów. Można ją wykorzystać do identyfikacji wybranych obiektów występujących w postaci bitmapy.
Digital signal processing (DSP) is the science and technology domain dealing with signals in a digital representation and the processing methods of these signals. DSP and analog signal processing are subfields of signal processing. Since the goal of DSP is usually to measure or filter continuous real-world analog signals, the first step is usually to convert the signal from an analog to a digital form, by using an analog to digital converter. Often, the required output signal is another analog input signal for neuronal models. The neuronal pictures analysis is then a new field of digital processing of signals. It is possible to use it to identification of chosen objects given in the form of bitmap.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2007, 52, 1; 30-36
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 24.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 25.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 26.

Tytuł:

Neuronowy system informatyczny wspomagajacy proces prognozowania masy mleka uzyskanego podczas doju
Neural information system helping in the process of predicting the mass of obtained milk during milking

Autorzy:

Boniecki, P
Jedrus, A.
Nizewski, P.

Powiązania:

https://bibliotekanauki.pl/articles/883594.pdf

Data publikacji:

2007

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

system Milko
sieci neuronowe sztuczne
krowy
prognozowanie
wydajnosc mleka
produkcja zwierzeca

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2007, 05; 15-18
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 27.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 28.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 29.

Tytuł:

Optymalizacja procesów decyzyjnych przy zastosowaniu wybranych metod sztucznej inteligencji
Optimization of decision processes using chosen methods of artificial intelligence

Autorzy:

Nowakowski, K.
Boniecki, P.
Majewski, A.

Powiązania:

https://bibliotekanauki.pl/articles/288891.pdf

Data publikacji:

2005

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

sztuczne sieci neuronowe
system ekspercki
optymalizacja
proces decyzyjny
artificial neural network
expert system
optimization
decision cases

Opis:

Już od dawna ludzie poszukują narzędzi, które pomogłyby im w procesie podejmowania trafnych decyzji. Ze względu na nikłe jak do tej pory sukcesy rozsądnym wydaje się być wykorzystanie w tym celu wybranych metod sztucznej inteligencji. Użycie w/w technologii opartych na symulacji pracy ludzkiego umysłu daje nowe możliwości. Połączenie techniki sztucznych sieci neuronowych i systemów ekspertowych pozwoliło na stworzenie wirtualnych doradców - specjalistów w wybranej dziedzinie. Pozwalają oni skutecznie pomóc w podejmowaniu konkretnych decyzji. Nie zrobią tego za człowieka ale dzięki wykorzystanym technologią mogą pomóc w podjęciu optymalnej decyzji.
Since a long time humans seek tools which would help them take accurate decisions. Because of very little success so far, choosing methods of artificial intelligence seems to be reasonable. Using mentioned technologies based on simulation of work of human mind gives new possibilities. The connection of technique of artificial neural network and expert systems permitted to create virtual advisers' - experts in chosen field. They permit to help treat concrete decisions effectively. They will not make it instead of humans but thanks to used technology they can help undertake optimal decision.

Źródło:

Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 131-136
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 30.

Tytuł:

Koncepcja wykorzystania sztucznych sieci neuronowych w procesie oceny jakości pomidorów
The concept of artificial neural networks application in the process of evaluation of the quality of tomatoes

Autorzy:

Zaborowicz, M.
Koszela, K.
Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/334162.pdf

Data publikacji:

2011

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

sieć neuronowa
pomidor
jakość
ocena
neural network
evaluation
quality
tomatoes

Opis:

Zwiększenie konkurencyjności oraz wzrost jakości produktów jest jednym z głównych celów producentów branży rolno-spożywczej. Producenci żywności zobowiązani są do przestrzegania norm jakościowych oraz dostarczania produktów zgodnie z zakontraktowaną specyfikacją jakościową. Liderzy rynku chcąc pozostać w czołówce przedsiębiorstw coraz częściej stosują nowoczesne rozwiązania informatyczne wspomagające proces wytwórczy i ocenę jakościową produktu. Złożoność tych procesów wymaga zaprojektowania i wdrażania nowych rozwiązań, wykorzystujących specjalne techniki i metody informatyczne.
Increasing competitiveness and increase of product quality is one of the main objectives of the producers of agrifood sector. Food manufacturers are required to observe quality standards and deliver products in accordance with the spedfications. Leaders of food manufactures wanting to remain at the fore front of companies use modern IT solutions for supporting the production and evaluation of product quality. The complexity of these processes requires the inventing and implementation of new solutions, using special techniques and methods of informatics.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2011, 56, 1; 147-149
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 31.

Tytuł:

Interaktywny system edukacyjny wprowadzający w zagadnienie sztucznych sieci neuronowych
Interactive educational system introducing into issue of artificial neural networks

Autorzy:

Olszewski, T.
Boniecki, P.
Weres, J.

Powiązania:

https://bibliotekanauki.pl/articles/287816.pdf

Data publikacji:

2005

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

sztuczna sieć neuronowa
edukacyjny system informatyczny
modelowanie neuronowe
sztuczna inteligencja
artificial neural network
educational computer system
artificial intelligence

Opis:

Dziedzina sztucznych sieci neuronowych ma swoje źródło w badaniach dotyczących sztucznej inteligencji. Stanowią one próbę naśladowania najważniejszych cech charakteryzujących biologiczne systemy nerwowe. Nazwą „sztuczne sieci neuronowe” (SSN) określa się dziś najczęściej symulatory programowe, umożliwiające modelowanie sieci na komputerach klasy PC. Sztuczne sieci neuronowe pozwalają na modelowanie systemów empirycznych o nieokreślonych zależnościach, trudnych do opisania tradycyjnymi, deterministycznymi metodami. Mają również zdolność generalizacji i uogólniania. Dzięki swym cechom SSN znajdują zastosowanie w rozwiązywaniu różnych problemów w wielu, niepowiązanych z sobą dziedzinach, jak: finanse, medycyna czy inżynieria rolnicza. Celowe jest więc wykonanie informatycznego systemu edukacyjnego, który pozwoli w łatwy i przystępny sposób zapoznać użytkownika z tematyką modelowania neuronowego.
The domain of artificial neural networks has its own source in the research of artificial intelligence. Artificial neural networks (ANN) are trying to imitate the most important features which represent the biological nervous systems. Nowadays in most cases the name of “artificial neural networks” define as programming simulators which allows the modeling of networks on PC computers. ANN permits to modeling empirical systems which have indefinable relationships and are hard to present in a traditional deterministic methods. They have as well the ability to generalize. Owing to its features, ANN applies in resolving variety of problems in many totally different areas, like: finances, medicine or agricultural engineering. It is purposeful to prepare educational informatics system which allows a user to get closer to subjects of neural modeling in easy and accessible way.

Źródło:

Inżynieria Rolnicza; 2005, R. 9, nr 8, 8; 293-298
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 32.

Tytuł:

Technologie OLEDB, ADO i ADO.NET w systemach informatycznych wspomagających proces weryfikacji wiedzy studentów
OLEDB and ADO.NET technologies in information systems supporting verification of the students’ knowledge

Autorzy:

Mueller, W.
Boniecki, P.
Kujawa, S.

Powiązania:

https://bibliotekanauki.pl/articles/290408.pdf

Data publikacji:

2005

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

weryfikacja wiedzy
student
OLEDB
ADO
ADO.NET
knowledge verification

Opis:

Proces weryfikacji wiedzy klasycznymi metodami, przy wzrastającej liczbie studentów oraz generalnie niskiej umiejętności przelewania swoich myśli na papier, jest wyjątkowo czasochłonny i w coraz większym stopniu subiektywny. W tej sytuacji uzasadniona jest budowa systemów informatycznych, pozwalających na sprawdzenie wiedzy studentów. Wśród technologii ułatwiających tworzenie tego typu aplikacji, które powinny mieć charakter internetowy, jest technologia OLEDB wraz z interfejsem ADO i ADO.NET. Upraszczają one w znaczący sposób pobór informacji z różnych źródeł danych, które stanowią podstawę budowy pytań. Na bazie tych technologii wytworzono systemy informatyczne, wspomagające proces weryfikacji wiedzy zdobytej przez studentów.
Traditional knowledge verification is exceptionally time consuming and subjective as the number of students increases and, generally, their writing skills are relatively low. This situation justifies construction of the information systems allowing verification of students’ knowledge. Among the internet technologies facilitating development of such applications there are the OLEDB and its interfaces – ADO and ADO.NET. They significantly simplify acquiring information from various data sources as the basis for constructing questions. With the use of such technologies the information systems were developed to support verification of knowledge gained by students.

Źródło:

Inżynieria Rolnicza; 2005, R. 9, nr 8, 8; 229-238
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 33.

Tytuł:

Produkcja i wykorzystywanie pasz w Polsce: stan aktualny i tendencje
Feed production and utilization in Poland: current state and trends

Autorzy:

Pilarska, A.
Dach, J.
Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/883579.pdf

Data publikacji:

2013

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

pasze
materialy paszowe
dodatki paszowe
pasze tresciwe
pasze wysokobialkowe
rosliny transgeniczne
wykorzystanie
produkcja pasz
rynek pasz
Polska

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2013, 6
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 34.

Tytuł:

Klasyfikacja wybranych odmian jabłek oraz suszu marchwi z wykorzystaniem sieci neuronowych typu Kohonena
Classification of selected apples varieties and dried carrots using neural network type kohonen

Autorzy:

Boniecki, P.
Koszela, K.
Przybylak, A.

Powiązania:

https://bibliotekanauki.pl/articles/334443.pdf

Data publikacji:

2010

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

klasyfikacja
jabłko
odmiana
marchew
sieć neuronowa
classification
apple
carrot
variety
neural network

Opis:

Celem badań była analiza zdolności klasyfikacyjnych modelu neuronowego typu Kohonena, uczonego metodą "nie nadzorowaną". Klasyfikacji poddano trzy wyselekcjonowane odmiany jabłek, które często występują w sadach na terenie Polski. Ze względów porównawczych, podobną analizę przeprowadzono w celu identyfikacji jakości suszu warzywnego. Neuronowej klasyfikacji dokonano w oparciu o informację zakodowaną w postaci zbioru cyfrowych obrazów jabłek oraz suszu marchwi. Jako cechy charakterystyczne, stanowiące podstawę do przeprowadzenia klasyfikacji, przyjęto reprezentacje w postaci palety dominujących barw występujących w kolorze owoców i suszu warzywnego oraz wybranych współczynników kształtu.
The purpose of this study was the analysis of ability classification neural model type Kohonen. Classification has been selected three varieties of apples, which often appear in Polish orchards in the area. For purposes of comparison, a similar analysis was performed to identify the quality of dried vegetables. Neural classification was based on the information encoded in the form of a set of digital images apples and dried. As the characteristics feature adopted color and shape of apples and dried carrots.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2010, 55, 1; 11-15
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 35.

Tytuł:

Metody prognozowania wybranych zagadnień inżynerii rolniczej z wykorzystaniem sztucznych sieci neuronowych
The methods of predicting the issues of agricultural engineering with the use of artificial neural networks

Autorzy:

Dejewska, T.
Boniecki, P.
Jakubek, A.

Powiązania:

https://bibliotekanauki.pl/articles/335271.pdf

Data publikacji:

2009

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

inżynieria rolnicza
sztuczna sieć neuronowa
prognoza
artificial neural network
agricultural engineering
predicting

Opis:

Celem pracy było omówienie neuronowych metod prognozowania oraz porównanie ich efektywności w wybranych zagadnieniach inżynierii rolniczej przy użyciu sztucznych sieci neuronowych. Wskazano przy tym topologie sieci, które w rozwiązaniu problemów predykcyjnych charakteryzowały się najlepszą skutecznością.
The aim of the following thesis was the description of chosen methods of the prediction and the comparison of their efficiency in the field of agricultural engineering with the use of artificial neural networks. There were also pointed the typolgies of networks which turned out to be the most effective in the process of solving the prediction problems.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2009, 54, 2; 28-31
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 36.

Tytuł:

Komputerowe wspomaganie ciągłości dostaw zielonki w przedsiębiorstwie rolnym
Computing support in continuity of distribution of green fodder in agricultural enterprise

Autorzy:

Świerczyński, K.
Gała, Z.
Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/337151.pdf

Data publikacji:

2006

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

zielonka
suszarnia
projekt
wspomaganie komputerowe
system komputerowy
green fodder
distribution
agricultural enterprise
drier room
database system
computing support

Opis:

Polska charakteryzuje się dogodnymi warunkami wzrostu i rozwoju traw. Trawy po uprzedniej konserwacji stosowane są jako pasza dla zwierząt. Jedną z firm zajmującą się suszeniem zielonki jest PPHU Ciszewo. Realizuje ona projekt rozbudowy suszarni, której zapotrzebowanie powierzchniowe wynosi 2000 ha. W związku z tym, w celu zapewnienia ciągłych dostaw surowca oraz właściwej organizacji produkcji, został zaprojektowany, wytworzony oraz przetestowany informatyczny system bazodanowy "Zielonki". Skonstruowany został na serwerze SQL firmy Microsoft, przy wykorzystaniu platformy Visual Studio .NET 2005 oraz języka C#.
Poland has favourable conditions for growth and development of grass. Grass after previous conservation is used as fodder. One of hay-drying factories is PPHU Ciszewo. They are completing a project of extending the drier room, which surface requirement is 2000 ha. In this regard in order to secure continuity of stock distribution as well as appropriate production flow a database system "Zielonki" has been designed, developed and tested. The database system has been constructed on a Microsoft SQL server on Visual Studio.NET2005 platform using C# language.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2006, 51, 4; 48-51
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 37.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 38.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 39.

Tytuł:

Klasyfikacja chronionych w Polsce motyli z rodziny Papilionidae z wykorzystaniem wybranych topologii neuronowych
Classification of protected Papilionidae butterflies using selected neural network topology

Autorzy:

Boniecki, P
Mueller, W.
Nowakowski, K.

Powiązania:

https://bibliotekanauki.pl/articles/883223.pdf

Data publikacji:

2009

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

zbiory danych
klasyfikacja
gatunki chronione
obrazy cyfrowe
sieci neuronowe sztuczne
paziowate
Papilionidae
uczenie sie
motyle

Opis:

Celem badań było porównanie zdolności klasyfikacyjnych modeli neuronowych, uczonych dwoma różnymi metodami: wzorcową oraz bezwzorcową. Klasyfikacji poddano wybrane owady należące do rodziny „Papilionidae”, które objęte są ochroną prawną na terenie Polski. Neuronowej klasyfikacji dokonano w oparciu o informację zakodowaną w postaci zbioru dwuwymiarowych obrazów owadów. Jako cechy reprezentatywne, stanowiące podstawę do klasyfikacji, przyjęto pięć dominujących kolorów występujących w ubarwieniu motyli. W celu porównawczym wygenerowano dwie topologie neuronowe: sieć typu MLP (ang. MultiLayer Perceptron: perceptron wielowarstwowy) uczonej technikami „z nauczycielem” orazsieæ Kohonena, która była uczona metodą „beznauczyciela”.
The aim of this study was to compare the classification ability of neural models, learned with two different ways: with reference and without reference. Selected insects subjected to classification belong to the family “Papilionidae”, and are a subject to legal protection in Poland. Neural classification was based on the information encoded in the form of a file of two-dimensional images of insects. As representatives of features, which form the basis of the classification, adopted were five dominant butterflies colors. For comparison two neural topologies were generated: a network type MLP (Multilayer Perceptron) learned by method "with the teacher" and a neural network type Kohonen, which was learned by method „without a teacher”.

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2009, 03; 23-26
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 40.

Tytuł:

System informatyczny wspomagający weryfikację wiedzy studentów wykorzystujący obiektowość SQL Server 2005
Information system supporting students knowledge verification, which uses the SQL Server 2005 objects

Autorzy:

Mueller, W.
Kluza, T.
Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/291917.pdf

Data publikacji:

2007

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

modelowanie obiektowe
system rozproszony
CLR-SQL Server 2005
object modelling
distributed system
CLR - SQL Server 2005

Opis:

Specyfika kształcenia na kierunku Technika Rolnicza i Leśna, mająca między innymi swoje źródło w różnorodności zdobywanej wiedzy, wymusza odmienność procesu weryfikacji wiedzy studentów. W ramach tego procesu powinna być i jest sprawdzana umiejętność rozwiązywania przez słuchaczy różnego typu zadań obliczeniowo-projektowych. Umieszczenie tego typu pytań, przy jednoczesnym zagwarantowaniu zindywidualizowanego ich charakteru z punktu widzenia zdającego, w istniejącym systemie informatycznym EDUIR, pozwalającym na automatyzację procesu weryfikacji, wymagało rozbudowy tej aplikacji. Doposażono ją w nowy moduł, który wykorzystując technologie NET i możliwości obiektowe systemu SQL Server 2005, pozwala na tworzenie zindywidualizowanych zadań w ramach realizowanego testu oraz na późniejszą weryfikacją uzyskanych odpowiedzi.
The character of education at the specialisation of Agricultural and Forest Technology, which among others has its source in diversity of acquired knowledge, forces using a different process for students' knowledge verification. Students' skills in solving various types of computational and design tasks should be and are checked within the scope of this process. The process of adding questions of this type (and at the same time guaranteeing their individualised character from point of view of a student passing the exam) to the existing EDUIR information system, which allows to automate verification process, required to have this application extended. A new module was added to it, allowing to create individualised tasks in the scope of the test in progress and to verify obtained responses later. This is due to the fact that the module makes use of the NET technologies and object- related potential of the SQL Server 2005 system.

Źródło:

Inżynieria Rolnicza; 2007, R. 11, nr 8 (96), 8 (96); 179-184
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 41.

Tytuł:

System informatyczny HISTLAB 2013 v.2.0 wspomagający ocenę geometryczną płodów rolnych
HISTLAB v.2.0 system for assist geometrical assessment of crops

Autorzy:

Przybyl, K.
Mlynski, D.
Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/883449.pdf

Data publikacji:

2014

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

plody rolne
ocena jakosci
parametry geometryczne
identyfikacja
fotografia cyfrowa
cyfrowa analiza obrazu
sieci neuronowe sztuczne
systemy informatyczne
system HISTLAB

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2014, 4
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 42.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 43.

Tytuł:

System informatyczny piao jako narzędzie do przetwarzania obrazów cyfrowych wspomagające proces generowania zbiorów uczących przeznaczonych do budowy modeli neuronowych
Computer system piao as a tool for processing and gathering digital images in a process of generating learning sets used for construction of models of artificial neural networks

Autorzy:

Zaborowicz, M.
Boniecki, P.
Świerczyński, K.

Powiązania:

https://bibliotekanauki.pl/articles/337395.pdf

Data publikacji:

2010

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

system informatyczny PIAO
obraz cyfrowy
przetwarzanie
model neuronowy
computer system PIAO
neural network
digital images

Opis:

Pozyskiwanie oraz przetwarzanie danych empirycznych występujących w formie graficznej jest istotnym elementem w procesie generowania zbiorów uczących, przeznaczonych do budowy identyfikacyjnych modeli neuronowych. Właściwa analiza oraz konwersja obrazów cyfrowych są fundamentalnym procesem, determinującym dalsze etapy modelowania neuronowego. Powszechnie dostępne metody edycji oraz pozyskiwania danych z obrazów nie zawsze pozwalają na właściwe i efektywne wytworzenie zbioru uczącego. Często zachodzi potrzeba użycia kilku rodzajów komercyjnego oprogramowania, aby w efekcie można było pozyskać zbiór danych empirycznych zapisanych w pożądanej formie. Dlatego wydaje się być zasadnym wytwarzanie od podstaw kompleksowego systemu informatycznego dedykowanego dla wsparcia procesu generowania zbiorów uczących.
Gathering data is an essential element of the process of generating learning sets, intended for the construction of artificial neural networks. A proper analysis and processing of the images are the basis for the next stages of the neural simulation. Commonly available methods of the edition and gaining data from images do not always allow to create a learning set in a right way. Often, there is a need to use several different software in order to gain one eligible set of data. This is a reason, why making a complex software for the process of generating the learning sets, is so important.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2010, 55, 2; 128-133
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 44.

Tytuł:

Internetowy system wspomagający zarządzanie usługami rolniczymi
Internet system supporting management of agricultural services

Autorzy:

Mueller, W.
Boniecki, P.
Joachimiak, H.

Powiązania:

https://bibliotekanauki.pl/articles/287246.pdf

Data publikacji:

2008

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

modelowanie obiektowe
usługi rolnicze
ASP.NET
object modelling
agricultural services

Opis:

Transformacja polskiego sektora rolnictwa spowodowała zmiany w funkcjonowaniu sektora usług rolniczych. Po okresie zapaści, obserwujemy od pewnego czasu coraz silniejszy popyt na tego typu usługi, przy jednocześnie wzrastających wymaganiach i oczekiwaniach ze strony potencjalnych klientów. Ekonomicznie uzasadnione działanie w tym obszarze, w dłuższej perspektywie czasowej, nie jest możliwe bez aktywnego wspomagania ze strony specjalistycznych systemów informatycznych. Specyfika tych usług, do której również zaliczamy rozproszenie klientów jak i usługodawców sugeruje internetowy charakter tego rodzaju systemów informatycznych. Wytworzeniem tego typu aplikacji wspomagającej zarządzanie usługami rolniczymi, na bazie najnowszej technologii informatycznej .NET 2005 i SQL Server-a 2005, zajęli się autorzy prezentowanej publikacji.
Transformation of Polish agricultural sector resulted in changes in functioning of the agricultural services sector. After the collapse period, for some time now we have been observing increasing demand for this type of services, with simultaneously increasing requirements and expectations of potential customers. No economically justified activity in this field is possible in any longer extent of time without an active support of specialist computer systems. The specificity of these services, which also includes dispersion of both customers and service providers, suggests computer systems of this type to be of the internet character. The authors of this publication got involved in the development of an application of this type supporting management of agricultural services, based on the newest computer technologies: NET 2005 and SQL Server 2005.

Źródło:

Inżynieria Rolnicza; 2008, R. 12, nr 9(107), 9(107); 227-233
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 45.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 46.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 47.

Tytuł:

Algorytmy genetyczne jako narzędzie optymalizacyjne stosowane w sieciach neuronowych
Genetic algorithms as a optimization tool applied in neural networks

Autorzy:

Olszewski, T.
Boniecki, P.
Weres, J.

Powiązania:

https://bibliotekanauki.pl/articles/289865.pdf

Data publikacji:

2005

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

sztuczne sieci neuronowe
algorytmy genetyczne
artificial neural networks
genetic algorithms

Opis:

Rewolucyjne wynalazki człowieka bardzo często powstają w wyniku obserwacji przyrody. Korzysta ona z rozwiązań najlepszych i optymalnych, tak więc wartych naśladowania. Niestety czasami jest to bardzo trudne. Przykładem może być mózg ludzki, którego funkcjonowania nadal nie rozumiemy do końca. Obserwując jego budowę stworzono Sztuczne Sieci Neuronowe, które są jego bardzo uproszczonym modelem mającym wykorzystywać jego najważniejsze cechy czyli zdolność uczenia i kojarzenia. Ewolucja naturalna jest swoistym procesem optymalizacyjnym mającym na celu najlepsze przystosowanie osobników do otaczającego świata, a co się z tym wiąże - przetrwania gatunku. Również mechanizmy ewolucyjne zostały wykorzystane przez człowieka. Jedną z metod odwzorowującą te mechanizmy są algorytmy genetyczne pozwalające na optymalne rozwiązanie różnych problemów. W artykule zostało przedstawione połączenie obu idei.
Revolutionary human inventions very often arise as a result of nature observation. Nature use the best and optimal solutions therefore deserves to copy. Unfortunately, sometimes it’s very hard. Human’s brain can be example, whose functions we don’t fully understand. As a result of observations of the build of human’s brain made artificial neural networks. They are its very simplified model, which use its main features: ability to learn and associate. Natural evolution is peculiar optimization process which purpose is the best adaptation of specimen to the surrounding world and it is in connection with survival of the species. Evolutionary mechanics were exploit by the human as well. Genetic algorithms are one of many methods which model evolutionary mechanics. They allow to find optimal solution for different problems. This article presents the combination both ideas.

Źródło:

Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 137-143
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 48.

Tytuł:

Konstrukcja bioreaktorów w kontekście zagadnienia modelowania procesu kompostowania
Bioreactors construction in the context of modeling composting process

Autorzy:

Olszewski, T.
Dach, J.
Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/335482.pdf

Data publikacji:

2007

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

bioreaktor
konstrukcja
kompostowanie
sztuczna sieć neuronowa
bioreactor
construction
composting
artificial neural network

Opis:

Kompostowanie materii organicznej jest złożonym procesem, który charakteryzuje wiele parametrów chemiczno-fizycznych. Badanie procesu kompostowania w pryzmach w skali rzeczywistej wymaga nakładu środków i pracy. Doświadczenia tego typu w warunkach terenowych są trudne do kontrolowania i brak jest pewności co do powtarzalności warunków pomiarowych. Wykorzystanie rozbudowanej aparatury pomiarowej w badaniach polowych jest bardzo utrudnione m.in. ze względu na wpływ zmiennej pogody, ograniczenia czasowe (częstotliwość wykonywania pomiarów) itp. Modelowanie procesu rozkładu substancji organicznych w laboratoriach umożliwia jego dokładniejsze poznanie i kontrolę nad czynnikami mającymi wpływ na jego przebieg. W pracy przedstawiono przegląd bioreaktorów wykorzystywanych do modelowania procesu kompostowania. Zastosowanie różnych rozwiązań konstrukcyjnych, sprzętu pomiarowego i rejestracyjnego ma istotny wpływ na odwzorowanie warunków terenowych w doświadczeniach laboratoryjnych. Przedstawiono również przykłady wykorzystania sztucznych sieci neuronowych podczas doświadczeń z użyciem bioreaktorów, jako narzędzia do modelowania zjawisk związanych z procesami przemiany materii w aspekcie biologicznym, chemicznym i fizycznym.
Composting of organic matter is a complex process characterized by many physical and chemical parameters. The studies investigated in a real scale need lots of labour and financial sources. The experiments infield conditions are difficult to control and their repeatability is low. The usage of scientific set-up is limited because of heap dimensions, weather conditions and work time limitations. The modeling of organic matter decomposition in laboratories makes easier better control and survey of parameters which influence on a process. The paper presents review of bioreactors used for modeling of composting process. The application of different constructions, techniques of measurement and data registration has an important impact on projection of field conditions in a laboratory scale. The examples of usage of the artificial neural networks during experiments with bioreactors were also presented.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2007, 52, 2; 52-56
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 49.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 50.

Tytuł:

Neuronowa kompresja danych graficznych w procesie identyfikacji wybranych obiektów rolniczych
Neural image data compression in the process of identification of selected agricultural objects

Autorzy:

Boniecki, P.
Nowakowski, K.
Przybylak, A.

Powiązania:

https://bibliotekanauki.pl/articles/335267.pdf

Data publikacji:

2009

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

kompresja
dane
obiekt rolniczy
identyfikacja
agricultural objects
compression
date
identification

Opis:

Celem pracy było omówienie problematyki dotyczącej neuronowej kompresji danych graficznych z wykorzystaniem wybranej topologii sztucznej sieci neuronowej. Aspektem utylitarnym przeprowadzonej analizy była implementacja proponowanej metodyki kompresji obrazów graficznych w wytworzonym, oryginalnym systemie informatycznym "Sunflower.b", wspomagającym proces przetwarzania zdjąć wybranych obiektów rolniczych.
The aim of this work was to discuss issues relating to synthetic neural compression of graphical data using a topology of artificial neural networks. Utilitarian aspect of the analysis was the implementation of the proposed image compression technology in the original system "Sunflower.b ", supporting the processing of photos of selected agricultural objects.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2009, 54, 2; 19-23
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 51.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 52.

Tytuł:

Budowa neuronowych modeli prognostycznych na przykladzie wybranych zagadnien inzynierii rolniczej
Construction of neural forecasting models for example of selected issues in agricultural engineering

Autorzy:

Dejewska, T
Boniecki, P.
Jakubek, A.

Powiązania:

https://bibliotekanauki.pl/articles/883707.pdf

Data publikacji:

2009

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

zbiory danych
modelowanie
modele prognostyczne
inzynieria rolnicza
sieci neuronowe sztuczne
uczenie sie

Opis:

Celem pracy było omówienie metodyki budowy modeli prognostycznych w oparciu o sztuczne sieci neuronowe. Podczas konstruowania modelu neuronowego realizującego predykcję występują często złożone problemy. Z uwagi na to przybliżono metody pozwalające na poprawny przebieg poszczególnych etapów budowy. Przedstawiono również wartość poznawczą i skuteczność działania tych modeli dla inżynierii rolniczej.
The aim of the following thesis was the description of methods of building of prognostic models with the use of the artificial neural networks. During constructing of neuronal model of prediction, a variety of complex problems may often appear. In consideration of those problems, some methods enabling appropriate course of each of the stages of building the model were presented. Moreover, a cognitive value and effectiveness of working of those models in the agricultural engineering were introduced.

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2009, 05; 7-10
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 53.

Tytuł:

Interaktywny system edukacyjny wspomagający proces projektowania oraz eksploatacji sztucznych sieci neuronowych w rolnictwie
Interactive education system supporting the use of artificial neural networks in agriculture

Autorzy:

Boniecki, P.
Weres, J.
Mueller, W.

Powiązania:

https://bibliotekanauki.pl/articles/289530.pdf

Data publikacji:

2006

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

sztuczna sieć neuronowa
klasyfikacja
eksplatacja
projektowanie
rolnictwo
artificial neural network
identification
agriculture

Opis:

W wielu pracowniach naukowych realizowanych jest obecnie wiele nowatorskich projektów naukowo badawczych mających na celu ograniczenie negatywnych skutków występujących w trakcie opryskiwania oraz nawożenia. Dokonuje się to m.in. poprzez tworzenie systemów wczesnego wykrywania chorób roślin, pojawiania się chwastów i innych zagrożeń plonów. Wiele z tych projektów działa już w praktyce i ma duże szanse na praktyczne wykorzystanie w niedalekiej przyszłości na farmach eksperymentalnych, a docelowo w większych gospodarstwach rolnych. Wszystkie te projekty są budowane przy założeniem czynienia jak najmniejszej szkody środowisku naturalnemu (np. inteligentne opryski, nawożenie) dzięki dokładniejszemu oraz pełniejszemu rozpoznaniu oraz analizie wzajemnie powiązanych danych empirycznych. Wiele prac wykorzystuje technikę neuronowego rozpoznawania obrazów, kojarzenia oraz klasyfikacji danych reprezentujących cechy charakterystyczne roślin takie jak kształt, barwa czy faktura [Boniecki i Weres 2003]. 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. Zadaniem aplikacji jest przybliżenie wybranych zagadnień z zakresu generowania i eksploatacji sieci typu perceptron oraz sieci radialnej. Wytworzony system informatyczny ma również praktycznie zaprezentować zasadę działania tych sieci, w szczególności jako narzędzi klasyfikacyjnych, na przykładzie zadania identyfikacji wybranych odmian kwiatów.
Many research institutions conduct novel R&D projects designed to limit the adverse impact of crop spraying and fertilization. Some such projects produce systems for early detection of crop diseases, weed growth and other crop hazards. Many apply their findings in practice or stand a good chance of being employed in the near future, first on experimental and then on larger farms. All of such projects are developed with a view to reducing adverse environmental impact (by e.g. smart crop spraying and fertilization) by more accurately and completely recognizing and analyzing interrelated empirical data. Many such works rely on the neural technology of image recognition, as well as the association and classification of data representing characteristic features of plants (shapes, colors, textures, etc.). 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 networks and help present the networks' operating principles as classification instruments in a case of identifying flower varieties for practical purposes.

Źródło:

Inżynieria Rolnicza; 2006, R. 10, nr 13(88), 13(88); 17-27
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 54.

Tytuł:

Neuronowa identyfikacja uszkodzeń ziarna pszenicy spowodowanych przez wołka zbożowego (Sitophilus granarius L.)
Neural identification of wheat grain damages caused by a grain weevil (Sitophilus granarius L.)

Autorzy:

Świerczyński, K.
Boniecki, P.
Nawrocka, A.

Powiązania:

https://bibliotekanauki.pl/articles/336096.pdf

Data publikacji:

2011

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

identyfikacja
uszkodzenie
ziarno
pszenica
wołek zbożowy
identification
wheat grain
damages
grain weevil

Opis:

Celem pracy było określenie cech reprezentatywnych, opisujących wewnętrzne uszkodzenia ziarniaków wywołane przez wołka zbożowego. Na tej podstawie zbudowano 2 warianty zbiorów uczących (opartych na 2 różnych zbiorach zmiennych reprezentatywnych), które posłużyły do generowania 2 zestawów klasyfikatorów neuronowych. Następnie dokonano porównania jakościowego wytworzonych modeli oraz zaproponowano sieć optymalną (z punktu widzenia przyjętych założeń). Podkreślono aspekt utylitarny przeprowadzonych badań, wskazując na możliwość wsparcia (automatyzacji) procesów decyzyjnych zachodzących w trakcie magazynowania zbóż.
Determining characteristics of representative features, describing internal injuries triggered by a grain weevil was a purpose of the work. On this base teaching sets essential to produce classification neural models were built (for 2 variants). Next, the qualitative comparison of created models was executed and an optimal network proposed (taking into account admitted assumption). The investigations were being dedicated for assisting decision-making processes which occur during cereal crops storing.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2011, 56, 2; 165-173
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 55.

Tytuł:

Neuronowy system informatyczny "RENZIAR 1.0" w procesie klasyfikacji ziaren pszenicy
Neural computer system "RENZIAR 1.0" in the process of classification of wheat grains

Autorzy:

Boniecki, P.
Świerczyński, K.
Koszela, K.

Powiązania:

https://bibliotekanauki.pl/articles/334046.pdf

Data publikacji:

2011

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

neuronowy system informatyczny"RENZIAR 1.0"
pszenica
ziarno
neural computer system RENZIAR 1.0
wheat
grains

Opis:

Ważnym etapem oceny jakościowej magazynowanych zbóż jest określenie ewentualnych ubytków struktury fizycznej ziarniaków, wynikających z ich stanu chorobowego. Motywem niniejszej pracy było dokonanie klasyfikacji zdjęć rentgenowskich ziaren pszenicy w celu identyfikacji negatywnych efektów żerowania potencjalnych szkodników. Efektem utylitarnym prowadzonych badań było wytworzenie oraz weryfikacja i walidacja komputerowego systemu informatycznego "RENZIAR 1.0", wspomagającego proces wstępnej analizy zdjęć rentgenowskich, dokonywanej w celu ekstrakcji cech charakteryzujących znamiona chorobowe ziarniaków. Pozyskanie tych informacji jest niezbędne w procesie tworzenia modeli neuronowych służących do identyfikacji oraz klasyfikacji wybranych ziaren zbóż, w kontekście ich uszkodzeń spowodowanych chorobą. System ten został wytworzony w środowisku programistycznym Microsoft Visual Studio 2008, wykorzystującym Framework .NET 3,5. System informatyczny "RENZIAR 1.0 "posiada przyjazny użytkownikowi interfejs, który w istotny sposób ułatwia pracę potencjalnemu użytkownikowi.
Neural analysis pictures are used in many fields of science and utilitarian areas by increasing number of followers. Artificial neural networks work best in cases where one cannot use structural knowledge, be they math formulas. There is an increasing load of data that requires processing. Therefore a need for development of intelligent computers to compile such data has appeared. The very aim of this paper is to classify X-rays of wheat grains in order to create new computer applications. The aforementioned computer applications are applied in theprocess of analysis and classification ofX-rays ofwheat grains. This system has been developed and devised in Microsoft Visual Studio 2008 with NET 3.5 Framework. The inter-face has been set in the RENZIAR 1.0 Program, which is very specific, but not complicated, and therefore should not cause anyproblems to its users.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2011, 56, 1; 14-18
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 56.

Tytuł:

Ocena efektywności neuronowego prognozowania w oparciu o wybrane metody na przykładzie dystrybucji produktów rolniczych
Assessment of effectiveness of the neural prediction based on selected methods exemplified by distribution of agricultural products

Autorzy:

Koszela, K.
Boniecki, P.
Weres, J.

Powiązania:

https://bibliotekanauki.pl/articles/287927.pdf

Data publikacji:

2005

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

sztuczna inteligencja
sztuczne sieci neuronowe
prognozowanie
szeregi czasowe
artificial intelligence
artificial neural networks
prediction
time series

Opis:

Prognozowanie staje się bardzo ważnym etapem w każdej działalności. W przypadku dystrybucji produktów rolniczych mamy do czynienia z szeregiem złożonych bodźców, które przekładają się na wynik końcowy. Natomiast jakość tych prognoz ma ogromne znaczenie na kolejne etapy w łańcuchu produkcyjno-dystrybucyjnym. Sieci neuronowe są bardzo wysublimowaną techniką modelowania, zdolną odwzorować bardzo złożone funkcje. Modelowanie z wykorzystaniem sztucznych sieci neuronowych stosuje się wówczas, gdy nie jest znany dokładny opis matematyczny rozpatrywanego zjawiska, natomiast dobrze określone są jego wejścia i wyjścia. Sztuczna sieć neuronowa potrafi nauczyć się rozpoznawać analizowany problem, dając szybko odpowiedź na zmieniające się parametry wejściowe procesu. W pracy przedstawiono porównanie dwóch metod neuronowego modelowania sprzedaży wybranego produktu.
Prediction becomes a very important stage in many activities. In case of distributing agricultural products we deal with a number of stimuli which consequently transform into the end effect. It is clear that the quality of those predictions has a great influence on subsequent stages in the production and distribution chain. Neural networks are a sophisticated technique of modeling capable of reflecting very complex functions. Modeling using artificial neural networks is used when exact mathematical description of investigated phenomenon is not known but its inputs and outputs are well defined. Artificial neural network can learn to recognize the problem analyzed giving an answer to changing input parameters. In the paper two methods of neural modeling of a chosen agricultural product distribution were presented.

Źródło:

Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 69-76
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 57.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 58.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 59.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 60.

Tytuł:

Jabvis - aplikacja z elementami sztucznej inteligencji, rozpoznająca wybrane odmiany jabłek
Jabvis - application of artificial intelligence elements in dealing with selected varieties of apples

Autorzy:

Jakubek, A.
Kicuła, M.
Boniecki, P.
Dejewska, T.

Powiązania:

https://bibliotekanauki.pl/articles/337495.pdf

Data publikacji:

2010

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

odmiana
jabłko
aplikacja Jabvis
Jabvis application
apple
variety

Opis:

W pracy podjęto próbę wytworzenia aplikacji, która potrafi rozpoznać wybrane odmiany jabłek tylko i wyłącznie na podstawie ich wyglądu zewnętrznego, czyli głównie koloru i kształtu. Ilość i różnorodność występujących odmian oraz możliwość deformacji poszczególnych owoców sprawia, że celowe okazuje się zastosowanie metod sztucznej inteligencji. W programie JabVis posłużono się modelowaniem neuronowym, które do takowych się zalicza, a osiągnięte wyniki wydają się być obiecujące, szczególnie w kontekście w przyszłych badaniach.
The paper seeks to establish the application, which will recognize the variety of apples and only on the basis of their appearance that is mainly the color and shape. The number and diversity of existing varieties and the possibility of deformation of each fruit makes it advisable to apply the methods of artificial intelligence. In JabVis used neural modeling, which is to include such, and the results achieved seem to be good predictors of future research.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2010, 55, 2; 29-31
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 61.

Tytuł:

JabVis 1.1 ewolucja aplikacji z elementami sztucznej inteligencji
JabVis 1.1 evolution of application with elements of artificial intelligence

Autorzy:

Jakubek, A.
Boniecki, P.
Dejewska, T.
Zaborowicz, M.

Powiązania:

https://bibliotekanauki.pl/articles/884284.pdf

Data publikacji:

2011

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

owoce
jablka
dojrzalosc owocow
stopien dojrzalosci
sieci neuronowe sztuczne
system JabVis 1.1

Opis:

Bezinwazyjne metody określania stadium dojrzałości jabłek są obszarem zainteresowań branży sadowniczej oraz przetwórczej tych owoców. Odpowiedzią na to zapotrzebowanie jest aplikacja JabVis ver. 1.1 powstała w 2010 w Instytucie Inżynierii Rolniczej. Jądro aplikacji zostało zaczerpnięte z poprzedniej wersji programu, który służył z kolei do identyfikacji trzech odmian jabłek. W JabVis 1.1 zostały zintegrowane moduły identyfikujące odmianę oraz stopień dojrzałości jabłek. Liczba odmian jabłoni oraz operowanie tylko na trzech z nich, pozwala na dalszą wielopłaszczyznową rozbudowę systemu w przyszłości.
Non-invasive methods for determining the maturity of apples are an area of interest in the horticultural industry and the processing of these fruits. Created in 2010 at the Institute of Agricultural Engineering, the application JabVis version 1.1 is answer to this need.. Application kernel is taken from a previous version, which in turn served to identify three varieties of apples. Modules able to identify the variety and ripeness of apples are integrated into JabVis 1.1. Number of varieties of apple trees and manipulations on only three of them, allows for further expansion of multi-level system in the future.

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2011, 01
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 62.

Tytuł:

Wpływ rozwoju biogazowni w Polsce na dywersyfikację źródeł dochodów w rolnictwie
The influence of biogas plants development on the income source diversification in agriculture in Poland

Autorzy:

Pilarska, A.
Pilarski, K.
Boniecki, P.
Dobrzanski, K.

Powiązania:

https://bibliotekanauki.pl/articles/883285.pdf

Data publikacji:

2014

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

gminy wiejskie
rolnictwo
biogazownie rolnicze
zrodla dochodow
dywersyfikacja
odchody zwierzece
utylizacja

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2014, 1
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 63.

Tytuł:

Modelowanie danych w procesie odwzorowywania informatycznego systemów empirycznych stanowiących przedmiot inżynierii rolniczej
Data modeling in a process of mapping empirical systems of agricultural engineering onto information systems

Autorzy:

Mueller, W.
Boniecki, P.
Weres, J.
Nowakowski, K.

Powiązania:

https://bibliotekanauki.pl/articles/287547.pdf

Data publikacji:

2007

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

modelowanie danych
baza danych
inżynieria rolnicza
system empiryczny
data modeling
databases
empirical system
agricultural engineering

Opis:

Systemy empiryczne, leżące w obszarze zainteresowania inżynierii rolniczej, charakteryzują się wyjątkową złożonością. Próbą radzenia sobie z sygnalizowaną komplikacją w procesie poznawania jest wielopoziomowe modelowanie dziedziny problemowej. Istotną kwestią w procesie modelowania dziedziny problemowej, jak i projektowania systemów informatycznych, które są wykorzystywane do badania systemów empirycznych jest prawidłowe zrealizowanie fazy modelowania danych. Zaistnienie tego etapu jest konsekwencją podejmowanych wysiłków zmierzających do poznania coraz bardziej złożonych systemów empirycznych, opisywanych coraz większą porcją informacji wzajemnie ze sobą powiązanych.
Empirical systems investigated within agricultural engineering are extremely complex. A multi-level modeling of a problem domain, extended by mapping developed operational structures onto information systems is a solution to deal with the complexity. A crucial issue, becoming more and more pronounced in modeling a problem domain and designing information systems oriented at investigation of empirical systems, is to complete correctly data modeling phase. Such analysis is a result of substantial attempts made to better understand the empirical systems, the systems which are more and more complex, requiring more and more interrelated information. The attempts have been favored by appearance of new information technologies dedicated to representation of data.

Źródło:

Inżynieria Rolnicza; 2007, R. 11, nr 6 (94), 6 (94); 175-182
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 64.

Tytuł:

System informatyczny PiAO2 jako narzędzie wspomagające bezwzorcową neuronową klasyfikację pomidorów
Computer system PiAO2 as a tool for assist neural classification of tomatoes without supervision

Autorzy:

Boniecki, P.
Zaborowicz, M.
Przybył, K.
Pilarski, K.

Powiązania:

https://bibliotekanauki.pl/articles/336447.pdf

Data publikacji:

2012

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

pomidory
analiza obrazu
sztuczna inteligencja
sieci neuronowe
systemy informatyczne
tomatoes
image analysis
artificial intelligence
neural networks
computer systems

Opis:

Analiza obrazów oraz pozyskiwanie danych zawartych w obrazach cyfrowych są istotnym elementem w procesie generowania zbiorów uczących, przeznaczonych do budowy modeli neuronowych. Wraz z rozwojem komputerowej analizy obrazu możliwe jest pozyskiwanie coraz większej ilości danych. Dlatego zasadne jest tworzenie nowych oraz modyfikowanie istniejących systemów informatycznych, wspierających neuronową analizę obrazów o nowe funkcje, zwiększające użyteczność tych aplikacji.
Image analysis and gathering data from digital images is an important element in process of generating learning sets for the construction of the neural models. With the development of computer image analysis it is possible to obtain more data. This is a reason to create and develop computer systems that support neural image analysis and increase usability of this software.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2012, 57, 1; 26-28
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 65.

Tytuł:

Neuronowa analiza wplywu sposobu doju i wybranych cech zootechnicznych krow na liczbe komorek somatycznych w mleku
Neuron analysis of the influence of the way of milking and selected characteristics of cows on somatic cell count in milk

Autorzy:

Jedrus, A
Nizewski, P.
Lipinski, M.
Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/883485.pdf

Data publikacji:

2008

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

pozyskiwanie mleka
doj mechaniczny
liczba komorek somatycznych
sieci neuronowe sztuczne
krowy
mleko
wydajnosc mleka
kolejne dni laktacji
wiek zwierzat
liczba wycielen
metody oceny

Opis:

Sztuczne sieci neuronowe są narzędziem coraz częściej wykorzystywanym w poznawaniu złożonych procesów biologicznych. Celem pracy było wykorzystanie zalet sztucznych sieci neuronowych do oceny wpływu sposobu doju oraz wybranych cech zootechnicznych krów na liczbę komórek somatycznych w mleku.
Artificial neural networks are more and more frequently used to understand some complex biological processes. The aim of the paper was to use the advantages of artificial neural networks in order to check the impact of the milking way and selected cows' features on somatic cell count in milk.

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2008, 04; 22-24
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 66.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 67.

Tytuł:

Przetwarzanie graficznych danych empirycznych dla potrzeb edukacji sztucznych sieci neuronowych, modelujących wybrane zagadnienia inżynierii rolniczej
Processing graphics empirical data for the needs of education of artificial neural networks, modeling selected problems of agriculture engineering

Autorzy:

Nowakowski, K.
Boniecki, P.
Weres, J.
Mueller, W.

Powiązania:

https://bibliotekanauki.pl/articles/288990.pdf

Data publikacji:

2007

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

piksel
filtracja
segmentacja
kompresja
składowe RGB
pixel
filtration
segmentation
compression
element of RGB

Opis:

Wykorzystanie sztucznych sieci neuronowych do odwzorowania wielowymiarowych graficznych zbiorów danych jest nieefektywne a nawet wręcz niemożliwe, co może być spowodowane chociażby niejednorodną reprezentacją wielkości w układzie czy rozmiarem wektora tych wielkości. W takich przypadkach wskazane jest użycie bloku przetwarzania wstępnego tzw. preprocesora. Zaprojektowanie i wytworzenie systemu informatycznego dla tego właśnie celu pozwoliło na transformację danych pierwotnych (zdjęcia fotograficzne) do takiej reprezentacji danych, która będzie odpowiednia dla wykorzystania procesie uczenia sieci neuronowej [Tadeusiewicz i in. 1991].
The use of artificial neural networks for representing multidimensional graphic data sets is ineffective and even not possible, which can be caused for example by heterogeneous representation of the parameter in the system or the size of the vector of these parameters. In such cases it is advisable to use a preprocessing block, the so called preprocessor. Developing and making IT system specifically for this purpose allowed to transform the primary data (photographic pictures) into data representation, to be appropriate for using in the neural network learning process.

Źródło:

Inżynieria Rolnicza; 2007, R. 11, nr 2 (90), 2 (90); 243-248
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 68.

Tytuł:

Neuronowa identyfikacja dojrzalosci wybranych odmian jablek
Neural identification of ripeness of chosen varieties of apples

Autorzy:

Boniecki, P
Jakubek, A.
Kluza, T.
Nowakowski, K.

Powiązania:

https://bibliotekanauki.pl/articles/884097.pdf

Data publikacji:

2010

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

jablon Gala Must
jablon Lobo
jablon Rajka
owoce
jablka
dojrzalosc owocow
stopien dojrzalosci
identyfikacja
barwa owocow
skala BBCH
ksztalt owocow
wspolczynnik ksztaltu
zbiory danych
sieci neuronowe sztuczne
percepton czterowarstwowy
siec radialnych funkcji bazowych
probabilistyczna siec neuronowa
system JabVis 1.1

Opis:

Celem niniejszej pracy była identyfikacja poziomu dojrzałości wybranych odmian jabłek za pomocą sztucznych sieci neuronowych, dokonana na podstawie reprezentatywnych cech, pozyskanych metodami analizy obrazu. Aby można prawidłowo rozwiązać tak sformułowane zadanie, wymagane było zapoznanie się z metodami analizy obrazu oraz zagadnieniami klasyfikacji z wykorzystaniem modeli neuronowych. W celu wyjaśnienia tego problemu został wytworzony, zgodnie z wymaganiami inżynierii oprogramowania, neuronowy system informatyczny przeznaczony do identyfikacji, zdefiniowanych wcześniej, klas dojrzałości wybranych odmian jabłek.
The main aim of this research was to identify the level of ripeness of chosen varieties of apples using neural networks. The process was based on a set of selected features acquired by images analysis. To secure one' s object it was necessary to get to know the available and current image analysis methodologies as well as the neural networks' classification abilities. The neural computer system has been designed, regarding all requirements of software engineering in order to develop an implementation of the model proposed during the phase described above. The software is capable to identify the ripeness of an apple from the chosen varieties.

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2010, 06; 7-10
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 69.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 70.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 71.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 72.

Tytuł:

Akwizycja cyfrowych obrazów kompostu pozyskiwanych w celu neuronowej identyfikacji stopnia jego dojrzałości
Problems of image acquisition obtained in order to identification of compost maturity

Autorzy:

Jakubek, A.
Boniecki, P.
Dejewska, T.
Zaborowicz, M.

Powiązania:

https://bibliotekanauki.pl/articles/884078.pdf

Data publikacji:

2011

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

kompost
zdjecia cyfrowe
akwizycja obrazu
kolorystyka
ostrosc zdjec
czulosc

Opis:

Akwizycja obrazów kompostu realizowana na specjalnie do tego przeznaczonym stanowisku pomiarowym jest procesem skomplikowanym i podatnym na różnego rodzaju zakłócenia. Wynikają one nie tylko z natury samego procesu, ale także z wad jakimi obarczona jest aparatura pomiarowa. W pracy przeanalizowano główne czynniki determinujące jakość pozyskiwanych obrazów kompostu.
Acquisition of compost images implemented in a specially designed box is a complex process, prone to various disturbances. It results not only from the nature of the process, but also from the disadvantages of the measurement equipment. This paper examines the main factors determining the quality of images of compost.

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2011, 02
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 73.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 74.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 75.

Tytuł:

Analiza założeń dla modelowania plonu buraka cukrowego z wykorzystaniem sztucznych sieci neuronowych
The analysis of assumptions for modeling sugar beet crop with utilization of artificial neural networks

Autorzy:

Niedbała, G.
Przybył, J.
Boniecki, P.
Sęk, T.

Powiązania:

https://bibliotekanauki.pl/articles/287451.pdf

Data publikacji:

2005

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

burak cukrowy
predykcja plonu
sztuczne sieci neuronowe
sugar beet
crop prediction
artificial neural network

Opis:

Do planowania plonu roślin, w tym plonu buraka cukrowego, wykorzystuje się modele prognostyczne. Istniejące modele mają zastosowanie zarówno w skali mikro - dla gospodarstwa, jaki i makro - dla regionu, czy kraju. Te modele, najczęściej zaimplementowane w programach komputerowych, ze względu na dużą liczbę danych wejściowych, są raczej niedostępne dla plantatora buraka cukrowego i rolniczych służb doradczych. Dlatego w pracy podjęto próbę opracowania własnego modelu plonu buraka cukrowego, opartego na metodach sztucznej inteligencji, przy wykorzystaniu możliwie niewielkiej liczby danych wejściowych. Założono, że dane wejściowe do modelu powinny stanowić podstawowe czynniki charakteryzujące siedlisko, użyte środki produkcji i przebieg warunków pogodowych.
In planning crops, including sugar beet crop, prognostic models are used. Existing models are utilized in micro scale - for the farm, as well as in macro scale - for region or country. These models, generally implemented in computer programmes, are rather unavailable for sugar beet planters and agricultural advisory services because of the huge amount of input data. That is why in this paper an attempt was made to create own model of sugar beet crop based on artificial intelligence methodology and the smallest possible amount of input data. It was assumed that input data for models should be the basic factors characterizing habitat, means of production used and weather conditions course.

Źródło:

Inżynieria Rolnicza; 2005, R. 9, nr 2, 2; 123-130
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 76.

Tytuł:

XML jako interfejs zewnętrznego komunikowania się systemu informatycznego symulującego działanie kamiennego regeneratora
XML as interface of outside communicating of information system simulating working of stone regenerator

Autorzy:

Maćkowiak, S.
Mueller, W.
Weres, J.
Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/291684.pdf

Data publikacji:

2006

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

regenerator kamienny
akumulator energii cieplnej
technologia XML
stone regenerator
thermal energy storage
technology XML

Opis:

Efektywność wykorzystania systemów informatycznych tworzonych i stosowanych w sektorze rolniczym jest nie tylko konsekwencją oferowanych przez nie funkcjonalności, ale możliwością wkomponowania ich w pewną spójną całość. Jednym z prostszych sposobów pozwalających na kompleksowe wykorzystanie aplikacji, co niejednokrotnie stwarza nowe możliwości jest ujednolicenie zapisu danych wejściowych i wyjściowych, w takim formacie, który nie generuje problemów związanych z ich przesyłaniem w Internecie. Efektywną techniką informatyczną pozwalającą na realizację tego celu jest technologia XML, która swą nazwę zawdzięcza rozszerzalnemu językowi znakowania. Bazując na tej technologii autorzy dokonali stosowanych zmian w systemie informatycznym Akterm 2003 obrazującym fazę ładownia kamiennego regeneratora ciepła. Doposażenie aplikacji w moduł pozwalający na pobieranie prognoz pogodowych w postaci dokumentów XML udostępnianych przez specjalistyczne serwisy, daje możliwość szacowania z wybranym wyprzedzeniem czasowym ilość energii skumulowanej w złożu kamiennym. Natomiast udostępnienie zapisu uzyskanych wyników symulacji komputerowych na bazie nowej aplikacji Aktem2005_NET w wspomnianym standardzie XML stwarza możliwości ich dalszego zindywidualizowanego przetwarzania przez kolejne systemy informatyczne. Postawione zadania rozbudowy aplikacji wraz z dążeniem do ograniczenia pracochłonności przesądziły o wyborze środowiska programistycznego. Implementację zrealizowano z wykorzystaniem platformy Visual Studio.NET 2003 firmy Microsoft.
The efficiency of the use of computer systems created and utilised in the agricultural sector is not only a consequence of the functionalities offered by them but possibility of putting them into a coherent set. One of simpler ways allowing for the complex use of the application, which often generates new possibilities is the unification of input and output data formats which do not create problems with their transfer in the Internet. All these requirements are fulfilled with the XML technology, which takes name after Extensible Markup Language. Basing on the technology the authors made appropriate changes to the computer system "Akterm 2003" demonstrating the loading phase of stone regenerator. The extra module for the download of the weather forecasts in the XML format provided by special services, allows to estimate the amount of the energy accumulated in the stone bed with set time in advance. Moreover, sharing the results of the computer simulation using the new application "Akterm 2005" and in the mentioned XML format gives opportunities for their further individualised utilisation in other computer systems. The set extension task for the application and an intention to reduce the effort shaped the decision as far as the programming environment is concerned. The implementation was realised with the use of Microsoft Visual Studio .NET 2003.

Źródło:

Inżynieria Rolnicza; 2006, R. 10, nr 13(88), 13(88); 341-350
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 77.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 78.

Tytuł:

Stanowisko naukowo-badawcze wspomagające akwizycję danych empirycznych występujących w postaci obrazów cyfrowych
The research station supporting empirical data acquisition which is present in digital images

Autorzy:

Przybyl, K.
Boniecki, P.
Kujawa, S.
Raba, B.

Powiązania:

https://bibliotekanauki.pl/articles/884427.pdf

Data publikacji:

2013

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

analiza obrazu
akwizycja danych
zdjecia cyfrowe
akwizycja obrazu
stanowiska badawcze
komora bezcieniowa
oswietlenie
natezenie swiatla
rownomiernosc oswietlenia

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2013, 4
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 79.

Tytuł:

Wybór reprezentatywnej struktury zbiorów uczących dla potrzeb neuronowych modeli identyfikacyjnych wykorzystywanych w inżynierii rolniczej
Selection of representative structure of learning sets for purpose of neuron identification models used in agricultural engineering

Autorzy:

Nowakowski, K.
Boniecki, P.
Weres, J.
Mueller, W.

Powiązania:

https://bibliotekanauki.pl/articles/287545.pdf

Data publikacji:

2007

Wydawca:

Polskie Towarzystwo Inżynierii Rolniczej

Tematy:

reprezentatywne dane uczące
sieć neuronowa
analiza obrazu
inżynieria rolnicza
agricultural engineering
representative learning data
neural network
image analysis

Opis:

Wykorzystanie sztucznych sieci neuronowych do identyfikacji mechanicznych uszkodzeń ziarniaków na podstawie ich fotografii wymaga doboru odpowiednich cech charakterystycznych na podstawie, których zostanie przeprowadzony proces rozpoznawania. Ponieważ stosowanie sieci neuronowych do bezpośredniego mapowania zbiorów graficznych jest nieefektywne, wskazane jest użycie bloku przetwarzania wstępnego, tzw. preprocesora. Zaprojektowanie i wytworzenie właściwego systemu informatycznego dla tak sformułowanego celu pozwoliło na dokonanie transformacji danych pierwotnych (zdjęcia fotograficzne) do reprezentacji danych, która będzie odpowiednia dla wykorzystania w procesie uczenia sieci neuronowej.
Use of artificial neural networks for identification of the mechanical damages to grains based on photographs requires a selection of appropriate characteristic features in order to conduct a recognition process. Since the application of neural networks for direct mapping of graphic sets is not really effective, it is recommended to use the initial processing block, so called preprocessor. Design and creation of a proper information system for this particular purpose allowed to transform raw data (photographic images) for data representation, appropriate to be used in the learning process of neural network.

Źródło:

Inżynieria Rolnicza; 2007, R. 11, nr 6 (94), 6 (94); 183-188
1429-7264

Pojawia się w:

Inżynieria Rolnicza

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 80.

Tytuł:

Barwy jako kryterium w neuronowym rozpoznaniu grzybiczego stanu skóry u zwierząt
Colors as a criterion for neural diagnosis of fungal skin in animals

Autorzy:

Dejewska, T.
Boniecki, P.
Jakubek, A.
Zaborowicz, M.

Powiązania:

https://bibliotekanauki.pl/articles/883577.pdf

Data publikacji:

2011

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

bydlo
choroby skory
bydlo polskie holsztynsko-fryzyjskie
bydlo czarno-biale
bydlo jersey
grzybica skory
barwa skory
zdjecia cyfrowe
komputerowa analiza obrazu
zbiory danych
sieci neuronowe sztuczne
uczenie sie

Opis:

Celem pracy było zbadanie istoty informacji dotyczących barw zakodowanych w obrazie cyfrowym fragmentów skóry bydła domowego w procesie budowy modelu neuronowego. Prace badawcze przeprowadzono w oparciu o trzy rasy bydła domowego: polski holsztyno-fryz, czarno-biała, jersey. Wskazano optymalną topologię sieci, która dokonuje klasyfikacji jedynie na podstawie próbek koloru. Zwrócono także uwagę na wyniki kwalitatywne i możliwości polepszenia jej parametrów jakościowych. Przedstawiono również perspektywy rozbudowy systemu informatycznego do szerszego zastosowania w tej dziedzinie.
The aim of this study was to examine the essence of the information on color encoded in digital image fragments of bovine skin in the construction of neural model. Research basis on three bovine breeds: polish holsztyn-friesian, black and white, jersey. An optimal network topology, which makes a classification bases solely on the color samples has been indicated. Also the notice of the results and possibilities for improving the quality parameters has been taken. The development prospects of a computer system for wider application in this field have been presented.

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2011, 02
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 81.

Tytuł:

Barwy jako kryterium w neuronowym rozpoznaniu stanu grzybiczego skory u zwierzat
Colors as a criterion for neural diagnosis of fungal skin of animals

Autorzy:

Dejewska, T
Boniecki, P.
Jakubek, A.
Zaborowicz, M.

Powiązania:

https://bibliotekanauki.pl/articles/883093.pdf

Data publikacji:

2010

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

bydlo
choroby skory
bydlo polskie holsztynsko-fryzyjskie
bydlo czarno-biale
bydlo jersey
grzybica skory
zmiany chorobowe
skora zdrowa
barwa skory
zdjecia cyfrowe
komputerowa analiza obrazu
zbiory danych
sieci neuronowe sztuczne
uczenie sie
diagnostyka chorob

Opis:

Celem pracy było zbadanie istoty informacji dotyczących barw, zakodowanych w obrazie cyfrowym fragmentów skóry bydła domowego w procesie budowy modelu neuronowego. Prace badawcze przeprowadzono w oparciu o trzy rasy bydła domowego: polski holsztyno-fryz, czarno-biała, jersey. Wskazano optymalną topologię sieci, która dokonuje klasyfikacji jedynie na podstawie próbek koloru. Zwrócono także uwagę na wyniki kwalitatywne i możliwości polepszenia jej parametrów jakościowych. Przedstawiono równie¿ perspektywy rozbudowy systemu informatycznego do szerszego zastosowania w tej dziedzinie.
The aim of this study was to examine the essence of the information on color encoded in digital image fragments of bovine skin in the construction of neural model. Research based on three bovine breeds: polish holsztyn-friesian, black and white, jersey. An optimal network topology, which makes the classification basing solely on the color of samples, was indicated Also the attention was paid to the results and possibilities for improvement of the qualitative parameters. Prospects of development of the computer system for wider application in this field were also presented

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2010, 05; 11-12
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 82.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 83.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 84.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 85.

Tytuł:

Neuronowe rozpoznanie ciąży na podstawie obrazów ultrasonograficznych macicy krowy z wykorzystaniem systemu informatycznego "USG Recognizer"
Neural identification of the embryo of calf based on ultrasound images of the cow s womb using computer system "USG Recognizer"

Autorzy:

Kuzimska, T.
Boniecki, P.
Jaśkowski, J. M.
Przybył, K.

Powiązania:

https://bibliotekanauki.pl/articles/336377.pdf

Data publikacji:

2012

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

krowa
macica
ciąża
ultrasonografia
analiza obrazu
sztuczna inteligencja
sieci neuronowe
modelowanie neuronowe
systemy informatyczne
cow
womb
pregnancy
ultrasonography
image analysis
artificial intelligence
neural networks
neural modeling
computer systems

Opis:

W pracy zaprezentowano wytworzony, oryginalny system informatyczny "USG Recognizer", który zaopatrzony został w szereg funkcji wspomagających tworzenie adekwatnych zbiorów uczących, niezbędnych w procesie generowania modeli neuronowych. Dzięki tym funkcjonalnościom możliwa jest identyfikacja oraz ekstrakcja wiedzy zawartej w graficznych danych empirycznych, zakodowanej w postaci cyfrowych zdjęć ultrasonograficznych. W oparciu o zbudowaną aplikację wygenerowana została sztuczna sieć neuronowa, której celem było wspomaganie rozpoznania lub wykluczenia ciąży, dokonanego na podstawie ultrasonogramów macicy krowy. Zaproponowany system informatyczny "USG Recognizer" został zbudowany z wykorzystaniem środowisk: Visual Paradigm (UML 8.0) oraz Microsoft Visual Studio 2010 Professional Edition.
The software "USG Recognizer" that was described in this work is equipped with a binarization function with threshold. The application also fulfills some additional functions such as: contrast and closing. With this functionality it is possible to achieve empirical data from digital ultrasound photo of cow's womb. The artificial neural network was generated on the basis of created application. The main purpose of this network is to support an identification or exclusion of the gestation in user's ultrasound picture. "USG Recognizer" was created using Visual Paradigm (UML 8.0) and Microsoft Visual Studio 2010 Professional Edition environments.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2012, 57, 1; 96-100
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 86.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 87.

Tytuł:

Nowoczesne metody oraz perspektywy zagospodarowania nawozów naturalnych
Modern methods and perspectives for management of manures

Autorzy:

Pilarska, A.
Pilarski, K.
Dach, J.
Boniecki, P.
Dobrzanski, K.

Powiązania:

https://bibliotekanauki.pl/articles/884005.pdf

Data publikacji:

2014

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

nawozy naturalne
gnojowica
obornik
stosowanie
uzdatnianie
fermentacja metanowa
wspolfermentacja
produkcja biogazu

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2014, 2
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 88.

Tytuł:

Projekt systemu informatycznego do diagnozowania układów elektrycznych silnika spalinowego z zapłonem iskrowym
The project of system for diagnosing electrical system of internal combustion engine with spark ignition

Autorzy:

Zaborowicz, M.
Gorna, K.
Przybyl, K.
Nowak, T.
Boniecki, P.

Powiązania:

https://bibliotekanauki.pl/articles/882979.pdf

Data publikacji:

2016

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

silniki spalinowe
zaplon iskrowy
uklad elektryczny
diagnostyka
system informatyczny

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2016, 3
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 89.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 90.

Tytuł:

Koncepcja wykorzystania sztucznych sieci neuronowych do prognozowania zawartości metanu w substratach
The concept of usage of artificial neural networks for forecasting the methane content in the substrates

Autorzy:

Koszela, K.
Pilarski, K.
Dach, J.
Boniecki, P.
Jedrus, A.

Powiązania:

https://bibliotekanauki.pl/articles/883640.pdf

Data publikacji:

2012

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

biogazownie
substraty roslinne
odchody zwierzece
substraty komunalne
substraty przemyslowe
zawartosc metanu
fermentacja
produkcja biogazu
produkcja metanu
wydajnosc produkcji
prognozowanie
sieci neuronowe sztuczne

Opis:

Sztuczne sieci neuronowe wykorzystywane są z powodzeniem m.in. do analizy złożonych systemów empirycznych, w których część parametrów opisujących zachodzące zjawiska jest niemierzalna lub których precyzyjny pomiar jest trudny. W niniejszej publikacji zaprezentowano budowę i zasady działania sztucznych sieci neuronowych jako narzędzia do predykcji zawartości metanu w biogazie z bioodpadów rolniczych [3]. Prognozowanie zawartości biogazu odgrywa ważną rolę w opracowywaniu optymalnych modeli do zarządzania biogazownią. Z powodu różnorodności bazy surowcowej istotnym jest optymalne prognozowanie wydajności biogazowni. W związku z powyższym często z powodzeniem używa się modeli typu „czarna skrzynka”, które wymagają mniejszej liczby parametrów niż klasyczne modele konceptualne.
The artificial neural networks have been successfully used for analyzing of the complex systems, where some parameters describing the occurring phenomena are non-measurable or the precise measurement is very difficult. This publication presents the construction and functioning rules of the artificial neural networks as a tool for prediction of methane content in the biogas from agricultural bio-waste. Forecasting of the biogas content plays extremely important role in development of the optimal models for biogas plant management. Due to the resource base diversity the optimal prediction of biogas plant efficiency is very important. Therefore, the "black box" models which require less parameters than classic conceptual ones are very often successfully used.

Źródło:

Technika Rolnicza Ogrodnicza Leśna; 2012, 04
1732-1719
2719-4221

Pojawia się w:

Technika Rolnicza Ogrodnicza Leśna

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 91.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 92.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 93.

Tytuł:

Neuronowa estymacja poziomu emisji biometanu z typowych substratów rolniczych
Neural estimation of methane emission level from typical agricultural substrates

Autorzy:

Pilarski, K.
Boniecki, P.
Dach, J.
Koszela, K.
Lewicki, A.
Zbytek, Z.

Powiązania:

https://bibliotekanauki.pl/articles/336379.pdf

Data publikacji:

2012

Wydawca:

Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych

Tematy:

kiszonka
biogaz
metan
procesy
ocena
sztuczna inteligencja
sieci neuronowe
modelowanie
badania
silage
biogas
methane
processes
evaluation
artificial intelligence
neural networks
modeling
experimentations

Opis:

Efektywnym podejściem do estymacji procesów zachodzących w złożonych systemach empirycznych inżynierii rolniczej jest wykorzystanie nowoczesnych metod, jakie reprezentują neuronowe techniki predykcyjne. Sztuczne sieci neuronowe stanowią intensywnie rozwijającą się dziedzinę wiedzy, coraz częściej stosowaną w wielu obszarach zarówno nauki, jak również praktyki. Podstawą działania sztucznych sieci neuronowych są algorytmy uczące, umożliwiające zaprojektowanie odpowiedniej topologii sieci oraz dobór parametrów tej struktury. W pracy zaproponowano wykorzystanie technik neuronowego modelowania do estymacji poziomu zawartości metanu w biogazie, emitowanego w trakcie procesu fermentacji metanowej kiszonki. Uzyskane wyniki badań potwierdzają hipotezę, że predykcyjny model neuronowy, opisujący produkcję metanu w trakcie procesu fermentacji kiszonki w biofermentorze, jest właściwym instrumentem dla dokonania oceny prognozowania poziomu tej emisji.
The usage of modern methods, which represent predictive neural techniques is an effective approach to the estimation of the processes occurring in the complex empirical systems of agricultural engineering. The artificial neural networks are a rapidly expanding field of knowledge used increasingly in many areas of science, as well as practice. The learning algorithms, enabling the design of appropriate network topology and selection of the parameters of this structure, matched to the problem to be solved are the basis of functioning of artificial neural networks. The paper proposes the use of neural modeling techniques to estimate the level of methane content in the biogas emitted over the methane fermentation process of silage. Obtained research results confirm the hypothesis that predictive neural model describing the methane production during the silage fermentation process in biofermentor is an appropriate tool to assess the forecasting of the level of this emission.

Źródło:

Journal of Research and Applications in Agricultural Engineering; 2012, 57, 1; 115-119
1642-686X
2719-423X

Pojawia się w:

Journal of Research and Applications in Agricultural Engineering

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 94.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 95.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 96.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 97.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 98.

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

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 99.

Tytuł:

Długoterminowa reakcja mikroorganizmów i mezofauny na pożary gleb leśnych pochodzenia antropogenicznego
Long-Term Reaction of Microorganisms and Mezofauna to Fires Forest Soils of Anthropogenic Origin

Autorzy:

Górska, E. B.
Olejniczak, I.
Gozdowski, D.
Panek, E.
Kondras, M.
Oktaba, L.
Prędecka, A.
Biedugnis, S.
Boniecki, P.
Tyburski, Ł.
Oktaba, I.
Skawińska, M.
Dobrzyński, J.
Jankiewicz, U.
Hewelke, E.
Kaliszkiewicz, A.

Powiązania:

https://bibliotekanauki.pl/articles/1813805.pdf

Data publikacji:

2018

Wydawca:

Politechnika Koszalińska. Wydawnictwo Uczelniane

Tematy:

pożary pochodzenia antropogenicznego
liczebność mikroorganizmów
mezofauna
gleby leśne
fires of anthropogenic origin
number of microorganisms
mesofauna
forest soils

Opis:

Pożary w lasach, poza stratami dla gospodarki człowieka, zmieniają drastycznie właściwości abiotyczne i biotyczne środowiska leśnego zarówno w czasie jak i przestrzeni. W wyniku pożaru obserwuje się spadek liczebności oraz różnorodności taksonomicznej mikro- i mezofauny glebowej co ma niebagatelny wpływ na kształtowanie metabolizmu ekosystemów glebowych. Celem podjętych badań była ocena dynamiki zmian liczebności mikroorganizmów i mezofauny glebowej w glebie i ściółce w zależności od intensywności pożaru jak również od okresu czasu po pożarze. Badania przeprowadzono w północno-wschodniej części Kampinoskiego Parku Narodowego. Badaniami objęto obszary wypalone – powstałe na skutek „mocnego”(Mp) i „słabego”(Sp) pożaru, oraz sąsiadujące z nimi obszary niewypalone – kontrolowane w 2., 14. i 28. miesiącu po pożarze który miał miejsce w czerwcu 2015 r. Na podstawie uzyskanych wyników stwierdzono, że intensywność pożaru jak również czas upływający od żywiołu kształtuje liczebność populacji bakterii i grzybów mikroskopowych oraz mezofauny w glebie. Wyniki badań wskazują na powolną regenerację zespołów mikroorganizmów i mezofauny na pożarzyskach. Na tempo regeneracji i różnorodność gatunkową wpływ mają obszary niewypalone sąsiadujące z pożarzyskiem.
Fires in forests apart from human losses for the economy, drastically change the properties of abiotic and biotic forest environment in both time and space. As a result of the fire, there is a decrease in the number and taxonomic diversity of soil microorganisms and mesofauna, which has a significant impact on the formation of metabolism of soil ecosystems. The aim of this study was to evaluate the dynamics of changes in the number of microorganisms and soil mesofauna in soil and litter depending on the intensity of the fire, as well as the period of time after the fire. The study was conducted in the north-eastern part of the Kampinos National Park. The study included areas burnt – resulting from a "strong" (Mp) and "weak" (Sp) fire, and the adjacent areas unfired – controlled 2, 14 and 28 months after the fire that took place in June 2015. Based on the obtained results, it was found that the intensity of the fire, as well as the time elapsing from the fire, shapes the population of bacteria, microscopic fungi and mezofauna in the soil. The results of the research indicate slow regeneration of microorganism and mesofauna assemblages during firefighting. Regeneration and species diversity are affected by unburnt areas adjacent to a fire.

Źródło:

Rocznik Ochrona Środowiska; 2018, Tom 20, cz. 2; 1776-1792
1506-218X

Pojawia się w:

Rocznik Ochrona Środowiska

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce

Skocz do pozycji: 100.

Tytuł:

Optical Scanner for 3D Radiotherapy Polymer Gel Dosimetry

Autorzy:

Sobotka, P.
Kozicki, M.
Maras, P.
Boniecki, Ł.
Kacperski, K.
Domański, A.

Powiązania:

https://bibliotekanauki.pl/articles/1418096.pdf

Data publikacji:

2012-11

Wydawca:

Polska Akademia Nauk. Instytut Fizyki PAN

Tematy:

87.50.Gi
42.66.Si
87.53.Bn

Opis:

Sophisticated techniques employed in radiotherapy for irradiation of tumours require comprehensive dosimetry allowing for precise, high resolution measurements of radiation dose distribution in three dimensions and verification of treatment planning systems. Polymer gel dosimetry has been shown to be a unique technique for such the purpose. If exposed to ionizing radiation, radical polymerisation and crosslinking of monomeric components take place in a 3D polymer gel dosimeter, leading to the formation of large polymeric structures that scatter visible light. This feature allows for optical observation of the effects of the absorbed dose and its distribution. Presently, magnetic resonance imaging is employed most often for the analysis of the 3D polymer gel dosimeters. However, much attention is also being given to the development of optical computed tomography since this technique is hoped to serve as a substitute for expensive and not easily available magnetic resonance imaging. The optical scanner presented in this work consists of a laser diode, a scanning system and a signal detector. A 3D polymer gel dosimeter is measured in an immersion liquid in order to reduce deflection of the light from the dosimeter phantom. The very first results were obtained with the newly constructed scanner and $\text{PABIG}^{nx}$ 3D polymer gel dosimeter, which was inhomogeneously irradiated with $\text{}^{192} Ir$ brachytherapy source. The results have been contrasted with those for the magnetic resonance imaging and are presented in this work together with the description of the developed instrument. Currently, the optimization of the optical scanner is performed.

Źródło:

Acta Physica Polonica A; 2012, 122, 5; 969-974
0587-4246
1898-794X

Pojawia się w:

Acta Physica Polonica A

Dostawca treści:

Biblioteka Nauki

/5

Artykuł

Zmień widok

• na półce