Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "klasyfikacja obrazu" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 45
Tytuł:
A sorting method for coal and gangue based on surface grayness and glossiness
Metoda sortowania węgla i skały płonnej na podstawie szarości i połysku powierzchni
Autorzy:
Cheng, Gang
Wei, Yifan
Chen, Jie
Pan, Zeye
Powiązania:
https://bibliotekanauki.pl/articles/27311660.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
surface glossiness
gangue recognition
image recognition
supervised classification
grey wolf algorithm
support vector machine
połysk powierzchni
rozpoznawanie skały płonnej
rozpoznawanie obrazu
klasyfikacja nadzorowana
algorytm szarych wilków
maszyna wektorów nośnych
Opis:
Sorting coal and gangue is important in raw coal production; accurately identifying coal and gangue is a prerequisite for effectively separating coal and gangue. The method of extracting coal and gangue using image grayscale information can effectively identify coal and gangue, but the recognition rate of the sorting process based on image grayscale information needs to substantially higher than that which is needed to meet production requirements. A sorting method of coal and gangue using object surface grayscale-gloss characteristics is proposed to improve the recognition rate of coal and gangue. Using different comparative experiments, bituminous coal from the Huainan area was used as the experimental object. It was found that the number of pixel points corresponding to the highest level grey value of the grayscale moment and illumination component of the coal and gangue images were combined into a total discriminant value and used as input for the best classification of coal and gangue using the GWO-SVM classification model. The recognition rate could reach up to 98.14%. This method sorts coal and gangue by combining surface greyness and glossiness features, optimizes the traditional greyness-based recognition method, improves the recognition rate, makes the model generalizable, enriches the research on coal and gangue recognition, and has theoretical and practical significance in enterprise production operations.
Sortowanie węgla i skały płonnej jest ważne w produkcji węgla surowego; dokładna identyfikacja węgla i skały płonnej jest warunkiem wstępnym skutecznego oddzielenia tych surowców. Metoda rozdzielenia węgla i skały płonnej przy użyciu informacji w skali szarości obrazu może skutecznie identyfikować węgiel i skałę płonną, ale stopień rozpoznawania procesu sortowania w oparciu o te informacje być znacznie wyższy niż wymagany do spełnienia wymagań produkcyjnych. W artykule zaproponowano metodę sortowania węgla i skały płonnej wykorzystującą charakterystykę połysku i skali szarości powierzchni obiektu w celu poprawy szybkości rozpoznawania węgla i skały płonnej. W badaniach wykorzystano próbki węgla kamiennego z obszaru Huainan. Stwierdzono, że liczbę punktów pikseli odpowiadającą najwyższemu poziomowi szarości momentu w skali szarości i składowej oświetlenia obrazów węgla i skały płonnej połączono w całkowitą wartość dyskryminującą i wykorzystano jako dane wejściowe dla najlepszej klasyfikacji węgla i skały płonnej przy użyciu modelu klasyfikacji GWO-SVM. Wskaźnik rozpoznawalności może osiągnąć nawet 98,14%. Ta metoda sortowania węgla i skały płonnej poprzez połączenie cech szarości i połysku powierzchni, optymalizuje tradycyjną metodę rozpoznawania w oparciu o szarość, poprawia współczynnik rozpoznawania, umożliwia uogólnienie modelu, wzbogaca badania nad rozpoznawaniem węgla i skały płonnej, ma znaczenie teoretyczne i praktyczne w operacjach produkcyjnych przedsiębiorstwa.
Źródło:
Gospodarka Surowcami Mineralnymi; 2023, 39, 3; 173--198
0860-0953
Pojawia się w:
Gospodarka Surowcami Mineralnymi
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A supervised approach to musculoskeletal imaging fracture detection and classification using deep learning algorithms
Autorzy:
Karanam, Santoshachandra Rao
Srinivas, Y.
Chakravarty, S.
Powiązania:
https://bibliotekanauki.pl/articles/38702595.pdf
Data publikacji:
2023
Wydawca:
Instytut Podstawowych Problemów Techniki PAN
Tematy:
musculoskeletal image
image processing
image enhancement
fracture diagnosis
fracture classification
deep neural network
obraz układu mięśniowo-szkieletowego
przetwarzanie obrazu
wzmocnienie obrazu
diagnoza złamania
klasyfikacja złamań
głęboka sieć neuronowa
Opis:
Bone fractures break bone continuity. Impact or stress causes numerous bone fractures. Fracture misdiagnosis is the most frequent mistake in emergency rooms, resulting in treatment delays and permanent impairment. According to the Indian population studies, fractures are becoming more common. In the last three decades, there has been a growth of 480 000, and by 2022, it will surpass 600 000. Classifying X-rays may be challenging, particularly in an emergency room when one must act quickly. Deep learning techniques have recently become more popular for image categorization. Deep neural networks (DNNs) can classify images and solve challenging problems. This research aims to build and evaluate a deep learning system for fracture identification and bone fracture classification (BFC). This work proposes an image-processing system that can identify bone fractures using X-rays. Images from the dataset are pre-processed, enhanced, and extracted. Then, DNN classifiers ResNeXt101, InceptionResNetV2, Xception, and NASNetLarge separate the images into the ones with unfractured and fractured bones (normal, oblique, spiral, comminuted, impacted, transverse, and greenstick). The most accurate model is InceptionResNetV2, with an accuracy of 94.58%.
Źródło:
Computer Assisted Methods in Engineering and Science; 2023, 30, 3; 369-385
2299-3649
Pojawia się w:
Computer Assisted Methods in Engineering and Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classification and detection of skin disease based on machine learning and image processing evolutionary models
Autorzy:
Bordoloi, Dibyahash
Singh, Vijay
Kaliyaperumal, Karthikeyan
Ritonga, Mahyudin
Jawarneh, Malik
Kassanuk, Thanwamas
Quiñonez-Choquecota, Jose
Powiązania:
https://bibliotekanauki.pl/articles/38700501.pdf
Data publikacji:
2023
Wydawca:
Instytut Podstawowych Problemów Techniki PAN
Tematy:
skin disorder
machine learning
classification
image enhancement
image segmentation
disease detection
schorzenie skóry
nauczanie maszynowe
klasyfikacja
ulepszenie obrazu
segmentacja obrazów
wykrywanie choroby
Opis:
Skin disorders, a prevalent cause of illnesses, may be identified by studying their physical structure and history of the condition. Currently, skin diseases are diagnosed using invasive procedures such as clinical examination and histology. The examinations are quite effective and beneficial. This paper describes an evolutionary model for skin disease classification and detection based on machine learning and image processing. This model integrates image preprocessing, image augmentation, segmentation, and machine learning algorithms. The experimental investigation makes use of a dermatology data set. The model employs the machine learning methods: the support vector machine (SVM), the k-nearest neighbors (KNN), and random forest algorithms for image categorization and detection. This suggested methodology is beneficial for the accurate identification of skin disease using image analysis. The SVM algorithm achieved an accuracy of 98.8%. The KNN algorithm achieved a sensitivity of 91%. The specificity of KNN was 99%.
Źródło:
Computer Assisted Methods in Engineering and Science; 2023, 30, 2; 247-256
2299-3649
Pojawia się w:
Computer Assisted Methods in Engineering and Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Clothing Image Classification with a Dragonfly Algorithm Optimised Online Sequential Extreme Learning Machine
Klasyfikacja obrazu odzieży za pomocą zoptymalizowanego algorytmu Dragonfly sekwencyjnej maszyny uczącej się
Autorzy:
Li, Jianqiang
Shi, Weimin
Yang, Donghe
Powiązania:
https://bibliotekanauki.pl/articles/1419412.pdf
Data publikacji:
2021
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
Dragonfly algorithm
Online Sequential Extreme Learning Machine
clothing image classification
optimised parameter
algorytm Dragonfly
OSELM
maszyna ucząca się
klasyfikacja obrazu odzieży
parametr zoptymalizowany
Opis:
This study proposes a solution for the issue of the low classification accuracy of clothing images. Using Fashion-MNIST as the clothing image dataset, we propose a clothing image classification technology based on an online sequential extreme learning machine (OSELM) optimised by the dragonfly algorithm (DA). First, we transform the Fashion-MNIST dataset into a data set that we extract from the corresponding grey image. Then, considering that the input weight and hidden layer bias of an OSELM are generated randomly, a DA is proposed to optimise the input weight and hidden layer bias of the OSELM to reduce the influence of random generation on the classification results. Finally, the optimised OSELM is applied to the clothing image classification. Compared to the other seven types of classification algorithms, the proposed clothing image classification model with the DA-optimised OSELM reached 93.98% accuracy when it contained 350 hidden nodes. Its performance was superior to other algorithms that were configured with the same number of hidden nodes. From a stability analysis of the box-plot, it was found that there were no outliers exhibited by the DA-OSELM model, whereas some other models had outliers or had lower stability compared to the model proposed, thereby validating the efficacy of the solution proposed.
W pracy zaproponowano rozwiązanie problemu niskiej dokładności klasyfikacyjnej obrazów odzieży. Wykorzystując Fashion-MNIST jako zbiór danych obrazu odzieży, zaproponowano technologię klasyfikacji obrazów odzieży w oparciu o sekwencyjną maszynę uczącą się (OSELM) zoptymalizowaną przez algorytm Dragonfly (DA). Najpierw przekształcono zbiór danych Fashion-MNIST w zestaw danych, który wyodrębniono z obrazu. Następnie, biorąc pod uwagę, że waga wejściowa i odchylenie warstwy ukrytej OSELM były generowane losowo, w celu zmniejszenia wpływu generowania losowego na wyniki klasyfikacji zaproponowano DA w celu optymalizacji wagi wejściowej i obciążenia warstwy ukrytej OSELM. Następnie, zoptymalizowany OSELM zastosowano do klasyfikacji obrazu odzieży. W porównaniu z pozostałymi siedmioma typami algorytmów klasyfikacji, proponowany model klasyfikacji obrazu odzieży ze zoptymalizowanym przez DA OSELM osiągnął dokładność 93,98%. Jego wydajność przewyższyła inne algorytmy. Na podstawie analizy stabilności wykresu stwierdzono, że nie było wartości odstających wykazywanych przez model DA-OSELM, podczas gdy niektóre inne modele miały wartości odstające lub miały niższą stabilność w porównaniu z proponowanym modelem, potwierdzono w ten sposób skuteczność proponowanego rozwiązania.
Źródło:
Fibres & Textiles in Eastern Europe; 2021, 3 (147); 91-96
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Verification of the image processing system in real conditions
Weryfikacja systemu przetwarzania obrazu w warunkach rzeczywistych
Autorzy:
Wołejsza, Piotr
Koszelew, Jolanta
Matuk, Krzysztof
Świda, Oskar
Powiązania:
https://bibliotekanauki.pl/articles/2058442.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet Technologiczno-Humanistyczny im. Kazimierza Pułaskiego w Radomiu
Tematy:
image processing systems
detection
classification of objects
geolocalization of objects
collision avoidance system
system przetwarzania obrazów
detekcja
klasyfikacja obiektów
geolokalizacja obiektów
system unikania kolizji
Opis:
AVAL – Autonomous Vessel with an Air Look, is a research project that aims to develop autonomous navigation of ships. The system uses three independent sources of information i.e. radar, AIS – Automatic Identification System and cameras, which can be located on a drone or ship’s superstructure. The article presents the results of testing of an image processing system in real conditions on m/f Wolin.
AVAL – Autonomous Vessel with a Air Look, to projekt badawczy, którego celem jest opracowanie autonomicznej nawigacji statków. System wykorzystuje trzy niezależne źródła informacji tj. radar, AIS – System Automatycznej Identyfikacji oraz kamery, które mogą być umieszczone na dronie lub nadbudówce statku. W artykule przedstawiono wyniki testowania systemu przetwarzania obrazu w warunkach rzeczywistych na m/f Wolin.
Źródło:
Journal of Automation, Electronics and Electrical Engineering; 2021, 3, 1; 33--37
2658-2058
2719-2954
Pojawia się w:
Journal of Automation, Electronics and Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Automatyczna klasyfikacja komórek rozmazu krwi obwodowej na przykładzie zatrucia ołowiem
Automatic classification of peripheral blood smear cells by the example of lead poisoning
Autorzy:
Michalski, Adrian
Kupcewicz, Bogumiła
Powiązania:
https://bibliotekanauki.pl/articles/762603.pdf
Data publikacji:
2020-07-28
Wydawca:
Polskie Towarzystwo Farmaceutyczne
Tematy:
uczenie maszynowe
analiza rozmazu krwi obwodowej
klasyfikacja białych krwinek
przetwarzanie obrazu
Image Processing
machine learning
peripheral blood smear analysis
leukocyte classification
Opis:
The first symptoms caused by heavy metals poisoning are usually non-specific, therefore their diagnosis requires specialized knowledge and experience. Incorrect diagnosis can lead to various disorders and irreversible changes in patient’s health. Lead poisoning is one of the heavy metals poisoning which is associated with non-specific symptoms and may cause a broad range of biochemical, physiological and behavioral disfunctions. Lead is commonly found in industry and manufacturing and in 2017, lead poisoning caused over a million deaths worldwide. Due to non-specific symptoms, lead poisoning is often diagnosed too late or incorrectly. Early symptoms are headache and stomachache, which potentiate with metal concentration. Lead poisoning increasing risk of anemia due to inhibition the ability to produce hemoglobin by interfering the heme biosynthesis pathway and decreasing red blood cell survival. Because of regularly occurred disorders of hematopoiesis and the presence of atypical cell in smears, diagnosis of lead poisoning that gives relevant information is bone marrow and peripheral blood smear study. The manual smear test made by qualified technician involves the evaluation of the preparation by using an optical microscope. Manual microscopic examination of blood cells is time-consuming and subjective. Automation of this process would enable to reduce the risk of human failure and solve the problem with lack of professional staff. Traditional machine learning is the most popular approach to automating microscopic smear testing. This method consists of the following stages: microscopic image acquisition, preprocessing, cell segmentation, feature extraction, followed by classification into types, artifacts and atypical cells. This work presents the recent methods proposed to automate the analysis of peripheral blood and bone marrow smears using traditional machine learning methods. A review of different machine learning methods was carried out, focusing on the presentation of an algorithm for the construction of automatic blood cell classifiers.
Pierwsze objawy pacjenta po zatruciu metalami ciężkimi są najczęściej nieswoiste, dlatego ich diagnostyka jest zadaniem wymagającym specjalistycznej wiedzy i doświadczenia. Nieprawidłowa diagnoza może prowadzić do nieodwracalnych zmian w stanie zdrowia pacjenta. Jednym z metali ciężkich, którym zatrucie wiąże się z nieswoistymi objawami, a może prowadzić do poważnych zaburzeń neurologicznych i hematologicznych jest ołów. Ołów jest metalem ciężkim powszechnie występującym w przemyśle i produkcji. W 2017 roku zatrucie tym metalem było przyczyną ponad miliona zgonów na świecie. Z powodu nieswoistych objawów zatrucie ołowiem często jest diagnozowane nieprawidłowo i zbyt późno. Zatrucie metalami ciężkimi może prowadzić do zaburzeń hematopoezy i pojawienia się w rozmazach krwi i szpiku kostnego komórek atypowych, w związku z czym badaniem niosącym istotną informację w diagnostyce zatrucia jest ocena komórek w rozmazach. Analiza rozmazu manualnego polega na ocenie preparatu przy użyciu mikroskopu optycznego oraz szczegółowej interpretacji obrazu mikroskopowego wykonywanej przez wykwalifikowany personel. Automatyzacja tego procesu pozwoliłaby na ograniczenie ryzyka pomyłki spowodowanej błędem ludzkim oraz rozwiązanie problemu braku doświadczonego personelu. Najpopularniejszym podejściem wykorzystywanym w automatyzacji mikroskopowego badania rozmazu jest tradycyjne uczenie maszynowe. Metoda ta, składa się z kilku etapów: zbieranie obrazów mikroskopowych i ich wstępna obróbka, wyodrębnienie komórek oraz ich charakterystycznych cech, a następnie klasyfikacja na rodzaje, artefakty i komórki atypowe. W pracy opisano aktualnie proponowane sposoby automatyzacji badania rozmazu krwi obwodowej i szpiku kostnego, wykorzystujące tradycyjne metody uczenia maszynowego. Przeprowadzono przegląd metod uczenia maszynowego, skupiając się na przedstawieniu algorytmu postępowania w konstrukcji automatycznych klasyfikatorów komórek krwi.
Źródło:
Farmacja Polska; 2020, 76, 6; 318-323
0014-8261
2544-8552
Pojawia się w:
Farmacja Polska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja pokrycia terenu z wykorzystaniem obrazów Sentinel-2A przetworzonych za pomocą metody głównych składowych (PCA)
Land cover classification using Sentinel-2A images processed by the principal components method (PCA)
Autorzy:
Kałużna, Urszula
Będkowski, Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/2058371.pdf
Data publikacji:
2020
Wydawca:
Polskie Towarzystwo Geograficzne
Tematy:
teledetekcja
pokrycie terenu
EGiB
Sentinel-2A
PCA
nadzorowana klasyfikacja obrazu
remote sensing
land cover
Land and Buildings Register
supervised image classification
Opis:
Celem badań jest ocena możliwości realizacji klasyfikacji nadzorowanej z wykorzystaniem obrazów (komponentów) uzyskiwanych w wyniku przetworzenia oryginalnych obrazów Sentinel-2A za pomocą metody głównych składowych (PCA). Klasyfikację wykonano w ośmiu wariantach, z wykorzystaniem algorytmów najmniejszej odległości (MD, Minimum Distance) oraz największego prawdopodobieństwa (ML, Maximum Likelihood), przy czym zastosowano oryginalne kanały 2, 3, 4, 8 Sentinel-2A oraz różną liczbę komponentów. Wyniki klasyfikacji oceniono poprzez porównanie z danymi o pokryciu terenu według Ewidencji Gruntów i Budynków (EGiB). Przeprowadzenie klasyfikacji na ograniczonej do dwóch liczbie komponentów uzyskanych w procedurze PCA tylko nieznacznie zmieniło wyniki w porównaniu do klasyfikacji na oryginalnych, nieprzetworzonych kanałach Sentinel-2A. Najbardziej zbliżone do danych EGiB rezultaty uzyskano stosując klasyfikację ML kanałów oryginalnych, nieprzetworzonych lub używając wszystkich komponentów PCA. Podjęta próba porównania pokrycia terenu ustalonego za pomocą klasyfikacji obrazów satelitarnych z klasami pokrycia, które zostały wyodrębnione z mapy EGiB wykazała, że przetworzenie mapy z postaci wektorowej na rastrową wpływa istotnie na uzyskiwane wyniki.
The aim of the research is to assess the feasibility of supervised classification using images (components) obtained through processing the original Sentinel-2A images by means of the principal component method (PCA). The classification was performed in eight variants, using the algorithms of the minimum distance (MD) and the maximum likelihood (ML), with the original channels 2, 3, 4, 8 of Sentinel-2A and a various number of components. The results of the classification were assessed by comparing them to the land coverage data of Land and Buildings Register (Ewidencja Gruntów i Budynków – EGiB). Performing the classification on a number of PCA components limited to two only slightly altered the results compared to the classification on the original, raw Sentinel-2A channels. The results most similar to the EGiB data were obtained using the ML classification of the original channels, i.e. raw channels or using all PCA components. The attempt to compare the land coverage established by the classification of satellite images to the coverage classes that were extracted from the EGiB map revealed that processing the map from vector to raster form significantly influences the obtained results.
Źródło:
Teledetekcja Środowiska; 2020, 61; 19-37
1644-6380
Pojawia się w:
Teledetekcja Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Detection and classification of vehicles using selected methods of image processing
Autorzy:
Marek-Latowicki, M.
Konior, A.
Ryguła, A.
Powiązania:
https://bibliotekanauki.pl/articles/393413.pdf
Data publikacji:
2019
Wydawca:
Polskie Stowarzyszenie Telematyki Transportu
Tematy:
image processing
vehicle detection
vehicle classification
przetwarzanie obrazu
detekcja pojazdów
klasyfikacja pojazdów
Opis:
Methods of vehicles detection and classification using image processing are becoming increasingly popular, especially due to their non-invasiveness in the road surface and relatively lower installation and maintenance costs. These methods are commonly used in traffic flow monitoring systems and detection of vehicles with specific parameters. Importantly, the use of video analytics methods is still characterized by sensitivity to external disturbances such as variable weather conditions. The work discusses selected data processing mechanisms that have been applied within the functioning vehicle recognition subsystem. As part of the analysis, the effectiveness of the applied solutions and sensitivity to the occurring weather conditions were assessed.
Źródło:
Archives of Transport System Telematics; 2019, 12, 4; 10-14
1899-8208
Pojawia się w:
Archives of Transport System Telematics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Assessment of dimensions in order to aid classification of European red mite and two-spotted spider mite by means of digital imaging of infected leaves
Ocena rozmiarów i parametrów kształtów przy użyciu komputerowej analizy obrazu jako narzędzie rozróżniania przędziorka owocowca i przędziorka chmielowca
Autorzy:
Konopacki, P. J.
Warabieda, W.
Powiązania:
https://bibliotekanauki.pl/articles/93537.pdf
Data publikacji:
2018
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
classification
mites
Panonychus ulmi
shape
size
Tetranychus urticae
klasyfikacja
przędziorki
kształt
rozmiar
Opis:
The methods currently used to assess orchard infestation are timeconsuming and do not take into account non-adult forms of mites, due to their small size. Advance in digital imaging technology, however, has resulted in the discovery of a more viable method to enable a fast and reliable assessment of orchard infestation. Digital images of infected apple leaves were made and examined for the presence of European red mites and two-spotted spider mites. As well as adult mites, non-adult European red mite forms were also encountered. After extracting all objects considered as mites from the image, imaging software was then used to assess their dimension and shape parameters. Length, width, area, and equivalent diameter were different for all three observed mite groups: adult female European red mites, possible non-adult European red mites and adult two-spotted spider mites. Differences in circularity and elongation were found in adult two-spotted spider mites and various forms of European red mites, while the perimeter was similar in adult European red mites and twospotted spider mites, and different in the non-adult forms of European red mites. However, as the ranges of 95% prediction intervals for these features overlap, a combination of at least two features as well as employing statistical procedures may greatly increase the probability of appropriate classification of the observed objects as different mites.
Aktualnie używane metody oceny zasiedlenia sadów przez przędziorki są bardzo pracochłonne i dla zachowania precyzji wymagają zastosowania powiększeń osiągalnych za pomocą np. mikroskopu stereoskopowego. Rozwój technologii analizy obrazu stwarza możliwość opracowania szybszej i dokładniejszej metody lustracji sadów. Wykonano zdjęcia cyfrowe liści jabłoni i dokonano oceny ich zasiedlenia przez przędziorka owocowca i przędziorka chmielowca. Oprócz osobników dorosłych przędziorka owocowca brano również pod uwagę formy niedorosłe tego gatunku. Wszystkie obiekty uznane za przędziorki wydzielono ze zdjęć i wykonano ocenę ich rozmiarów i kształtów przy użyciu oprogramowania NIS-Elements. Długość, szerokość, powierzchnia i średnica równoważna różniły się istotnie dla wszystkich badanych grup, identyfikowanych jako: dorosłe żeń- skie osobniki przędziorka owocowca, prawdopodobne niedorosłe formy przędziorka owocowca, oraz dorosłe osobniki przędziorka chmielowca. Różnice w kolistości i wydłużeniu wystąpiły w przypadkach dorosłych osobników przędziorka chmielowca oraz różnych formach przędziorka owocowca. Długość perymetru była podobna dla osobników dorosłych przędziorka owocowca i przędziorka chmielowca, natomiast była istotnie mniejsza dla niedorosłych form przędziorka owocowca. Jednocześnie dla wszystkich badanych cech 95% przedziały predykcji pokrywają się lub są częściowo wspólne dla identyfikowanych grup przędziorków. Uzyskane wyniki wskazują, że efektywne rozróżnienie obiektów rozpoznawanych na zdjęciach może wymagać łącznego zastosowania przynajmniej dwóch cech oraz opracowania właściwej procedury statystycznej.
Źródło:
Agricultural Engineering; 2018, 22, 4; 15-24
2083-1587
Pojawia się w:
Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Grain size determination and classification using adaptive image segmentation with grain shape information for milling quality evaluation
Określenie rozmiaru ziarna i klasyfikacja z użyciem adaptacyjnej segmentacji obrazu i informacji o kształcie dla oceny jakości mielenia
Autorzy:
Budzan, S.
Pawełczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/328384.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
grain classification
particle analysis
image segmentation
feature extraction
klasyfikacja ziaren
analiza
wielkość ziaren
segmentacja obrazów
ekstrakcja cech
Opis:
In this paper, authors described methods of material granularity evaluation and a novel method for grain size determination with inline electromagnetic mill device diagnostics. The milling process quality evaluation can be carried out with vibration measurements, analysis of the milling material images or well-known screening machines. The method proposed in this paper is developed to the online examination of the milled product during the milling process using real-time digital images. In this paper, authors concentrated their work on copper ore milling process. Determination of the total number of the grain, the size of each grain, also the classification of the grains are the main goal of the developed method. In the proposed method the vision camera with lightning mounted at two assumed angles has been used. The detection of the grains has been based on an adaptive segmentation algorithm, improved with distance transform to enhance grains detection. The information about particles shape and context is used to optimize the grain classification process in the next step. The final classification is based on the rule-based method with defined particle shape and size parameters.
W pracy autorzy opisali metody oceny uziarnienia materiału i nową metodę określania wielkości ziaren z jednoczesną diagnostyką pracy młyna elektromagnetycznego. Ocena jakości mielenia może być realizowana na kilka sposobów, tj. poprzez pomiar drgań, analizę obrazów materiału zmielonego, lub wykorzystanie matryc przesiewowych. Proces mielenia jest procesem obciążonym znacznym zużyciem energii, dlatego proces diagnostyki powinien być wykonywany z dużą efektywnością. Metoda zaproponowana w niniejszym artykule opiera się na badaniu mielonego produktu podczas procesu mielenia przy użyciu analizy obrazów cyfrowych w czasie rzeczywistym. Głównym celem opracowanej metody jest określenie całkowitej liczby ziaren, wielkości ziaren, jak i klasyfikacja ziaren. W zaproponowanej metodzie wykorzystano akwizycję obrazów z kamery przy oświetlaniu badanych próbek pod kątem, co pozwala zwiększyć liczbę wykrywanych ziaren. Detekcja ziaren bazuje na metodzie segmentacji adaptacyjnej rozszerzonej o analizę map odległościowych w celu poprawienia jakości i liczby wykrytych ziaren. Informacje na temat kształtu ziaren są wykorzystywane w celu optymalizacji procesu klasyfikacji ziaren. Ostateczna klasyfikacja opiera się na metodzie bazującej na regułach, w których określono zależności dla różnych parametrów kształtu i rozmiaru ziaren.
Źródło:
Diagnostyka; 2018, 19, 1; 41-48
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Image classification for jpeg compression
Autorzy:
Tichonov, Jevgenij
Kurasova, Olga
Filatovas, Ernestas
Powiązania:
https://bibliotekanauki.pl/articles/103336.pdf
Data publikacji:
2018
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
Image quality
image classification
JPEG algorithm
storage of images
quality prediction
SSIM
PSNR
jakość obrazu
klasyfikacja obrazu
algorytm JPEG
przechowywanie obrazów
prognozowanie jakości
Opis:
We analyse storage problems of digital images in accordance with image quality and image compression efficiency. Storage problems are relevant for Cloud storage and file hosting services, online file storage providers, social networks, etc. In this paper, an approach is proposed to process a group of images with a JPEG algorithm that all the processed images satisfy the minimum threshold of quality with the automatic selection of the quality factor (QF). The experimental investigation reveals advantages of the compression efficiency of the proposed approach over the traditional JPEG algorithm. The proposed approach enables saving storage spaces while maintaining the desirable image quality.
Źródło:
Advances in Science and Technology. Research Journal; 2018, 12, 2; 29-34
2299-8624
Pojawia się w:
Advances in Science and Technology. Research Journal
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Maturity classification for composted sewage sludge and rapeseed straw mixture based on neural analysis of images acquired in UV-A light
Klasyfikacja dojrzałości kompostowanej mieszaniny osadu ściekowego i słomy rzepakowej na podstawie neuronowej analizy obrazów pozyskanych w świetle UV-A
Autorzy:
Kujawa, S.
Powiązania:
https://bibliotekanauki.pl/articles/336582.pdf
Data publikacji:
2018
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
image analysis
neural networks
UV-A lighting
compost maturity
communal sewage sludge
rapeseed straw
analiza obrazu
sieci neuronowe
oświetlenie UV-A
dojrzałość kompostu
komunalny osad ściekowy
słoma rzepakowa
Opis:
Composting is one of the most efficient ways of managing municipal sewage sludge. Recently, due to the increased demand for composting, the issue of conducting this process in cost effective way is of particular importance. Determining the early maturity stage of the composted material can significantly improve the efficiency of surface management of relatively expensive compost plant. The following research presents classification of neural models for determining the early stage of composted mixture of sewage sludge and rapeseed straw, basing on information contained in images of material samples obtained with UV-A illumination. The topology of the MLP network was used in the construction of classification models. As input variables, 25 color parameters and 21 texture parameters were originally used, but also steps were taken to eliminate their number. The classification error for the developed neural models ranged from 1.83 to 4.27%. The best model in terms of the lowest value of error, and the smallest number of input variables required, included 16 neurons in the input layer, 50 neurons in the hidden layer and 2 neurons in the output layer. The following model is characterized by a slightly lower classification error and a slightly simpler structure than the best possible model developed in earlier studies for visible light illumination.
Kompostowanie jest jednym z najwłaściwszych sposobów zagospodarowania komunalnych osadów ściekowych. W ostatnim czasie, ze względu na wzmożone zapotrzebowania na kompostowanie tych osadów, szczególnego znaczenia nabiera kwestia prowadzenia tego procesu w sposób wydajny. Odpowiednio wczesne wykrywanie osiągnięcia przez kompostowany materiał stadium wczesnej dojrzałości może znacząco poprawić efektywność gospodarowania powierzchnią relatywnie drogiej płyty kompostowej. W pracy opracowano klasyfikacyjne modele neuronowe do określania tego stadium dla kompostowanej mieszaniny osadu ściekowego i słomy rzepakowej, bazujące na informacjach zawartych w obrazach próbek materiału, pozyskanych przy oświetleniu UV-A. Przy budowie modeli klasyfikacyjnych wykorzystano topologię sieci MLP. Jako zmienne wejściowe pierwotnie wykorzystano 25 parametrów dotyczących barwy oraz 21 parametrów dotyczących tekstury, przy czym wykonano również działania dążące do eliminacji ich liczby. Błąd klasyfikacji dla opracowanych modeli neuronowych zawierał się w przedziale od 1.83 do 4.27%. Najlepszy model pod względem najniższej wartości tego błędu, a przy tym najmniejszej liczby wymaganych zmienny wejściowych, zawierał 16 neuronów w warstwie wejściowej, 50 neuronów w warstwie ukrytej i 2 neurony w warstwie wyjściowej. Model ten cechował się nieco niższym błędem klasyfikacji i nieco prostszą strukturą, niż najlepszy z modeli opracowanych we wcześniejszych badaniach dla oświetlenia w postaci światła widzialnego.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2018, 63, 4; 94-100
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of selected classification methods in automated oak seed sorting
Porównanie wybranych metod klasyfikacji w automatycznym sortowaniu nasion dębu
Autorzy:
Grabska-Chrząstowska, J.
Kwiecień, J.
Drożdż, M.
Bubliński, Z.
Tadeusiewicz, R.
Szczepaniak, J.
Walczyk, J.
Tylek, P.
Powiązania:
https://bibliotekanauki.pl/articles/336489.pdf
Data publikacji:
2017
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
acorn classification
automatic sorting
acorn
image analysis
image processing
kNN
ANN
SVM
klasyfikacja żołędzi
automatyczne sortowanie
żołędzie
przetwarzanie obrazu
analiza obrazu
Opis:
In this paper the results of automated, vision based classification of oak seeds viability i.e. their ability to germinate are presented. In the first stage, using a photo of the seed cross-section, a set of feature vectors were determined. Then three classification methods were examined: k-nearest neighbours (k-NNs), artificial neural networks (ANNs) and support vector machines (SVMs). Finally, a 73.1% precision was obtained for kNN and a 64 bin histogram, 78.5% for ANN and a 4 bin histogram and 78.8% for SVM with a 64 bin histogram.
W artykule zaprezentowano wyniki badań automatycznej, wizyjnej klasyfikacji nasion dębu pod względem ich żywotności, tj. zdolności do kiełkowania. W pierwszym etapie prac, na podstawie zdjęcia przekroju nasiona, wyznaczono zbiór cech, który w sposób niezależny od kształtu i rozmiaru poszczególnych obiektów pozwala na opisanie ich budowy anatomicznej. Następnie zbadano, dla wyselekcjonowanych wektorów cech, trzy metody klasyfikacji: k-najbliższych sąsiadów (k-NN), artificial neural networks (ANN) oraz maszynę wektorów nośnych (SVM). Uzyskano 73,1% precyzji rozpoznawania dla histogramu o długości 64 metodą kNN, 78,5% dla histogramu o długości 4 dla ANN i 78,8% dla histogramu o długości 64 metodą SVM.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2017, 62, 1; 31-33
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Komputerowa klasyfikacja cząstek mieszaniny polidyspersyjnej
Computer classification of particles for polydisperse mixture
Autorzy:
Rząsa, M.
Łukasiewicz, E.
Powiązania:
https://bibliotekanauki.pl/articles/267358.pdf
Data publikacji:
2017
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
koagulacja
metoda klasyfikacji
komputerowa analiza obrazu
mieszanina polidyspersyjna
coagulation
image processing
classification method
polydisperse mixture
Opis:
Koagulacja jest jednym z procesów technologicznych wykorzystywanym podczas uzdatniania wody oraz oczyszczania ścieków. W trakcie tego procesu tworzą się kłaczki zawiesiny, charakteryzujące się zmiennym kształtem, rozmiarem i strukturą. Czynniki te mają duży wpływ na proces opadania zawiesiny kłaczkowatej, dlatego modelowanie opadania zawiesiny polidyspersyjnej jest bardzo skomplikowane. W niniejszej pracy zaprezentowano metodę klasyfikacji cząstek osadu pokoagulacyjnego, przy użyciu obliczonych współczynników k1, k2 i k3. Odpowiednie wartości tych współczynników pozwalają na zakwalifikowanie rozważanego kłaczka do danej grupy cząstek. Idea metody polega na obliczeniu powierzchni danej cząstki właściwej dla jej obrazu mikroskopowego. Następnie przy wykorzystaniu komputerowej analizy obrazu wyliczane są potrzebne parametry.
The coagulation process is commonly used in water and wastewater treatment processes. The demand for high-quality drinking water is increasing because the number of uncontaminated water sources decreases. During coagulation flocs are formed, and are characterized by different shapes, structures and dimensions. Because of this, removing of this particles may produce some problems for researchers, cause the sedimentation way of this particles is disturbed. In this research is presented method of flocs classification where coefficients k1, k2 and k3 were calculated. An appropriate value of coefficient k allows to classify consider particle to a specific group. Idea of the classification method consists in calculating surface areas for particle image registered using microscope. After that, the images are analyzed (computer image processing). Analyzed images will be used for future studies, where the settling phenomenon will be describe. In order to apply this method to other suspensions must be experimentally determine the appropriate values of the coefficients k1, k2 and k3.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2017, 55; 57-60
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The use of unmanned aerial vehicles (drones) to determine the shoreline of natural watercourses
Wykorzystanie bezzałogowych statków latających (dronów) do ustalania linii brzegowej cieków naturalnych
Autorzy:
Wilkowski, W.
Lisowski, M.
Wyszyński, M.
Wierzbicki, D.
Powiązania:
https://bibliotekanauki.pl/articles/292459.pdf
Data publikacji:
2017
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
image classification
orthophotomap
Shoreline
unmanned aerial vehicle
bezzałogowy statek latający (dron)
klasyfikacja obrazu
linia brzegowa
ortofotomapa
Opis:
The aim of the paper was to study the possibility of using unmanned aerial vehicles (drones) to determine the shoreline of natural watercourses. According to the Water Law, the shoreline is defined by: the edge of the shore if it is visible, and in other cases it is the boundary of persistent grass growth, or the line, which is determined on the basis of the average water level of a period of at least 10 years. The study included an analysis of the possibility of determining the shore line in all of these cases, using aerial photos obtained from an unmanned aerial vehicle (drone) on a particular stretch of the river Narew. In order to determine the shoreline defined by the edge of the shore, a point cloud together with the necessary GIS tools were used to generate planes which then made it possible to determine that edge. Defining the shoreline using this method was done with an accuracy of ±0.21 m. The study shows that the best results for determining the shoreline were obtained using either the edge of the shore or the line, which is determined according to the average water level of a period of at least 10 years. Due to the very ambiguous course of the shoreline defined by the boundary of persistent grass growth, it would be advisable to eliminate this remove from the Water Law.
Celem pracy było określenie możliwości wykorzystania bezzałogowych statków latających (dronów) do ustalania linii brzegowej cieków naturalnych. Z ustawy „Prawo wodne” wynika, że granicę linii brzegu stanowią: krawędź brzegu, jeżeli jest wyraźna, a w pozostałych przypadkach granica stałego porastania traw, albo linia, którą ustala się według średniego stanu wody z okresu co najmniej 10 lat. Badaniami objęto możliwości określenia linii brzegu we wszystkich przypadkach, wykorzystując zdjęcia lotnicze wykonane z bezzałogowego statku latającego (drona) na określonym odcinku Narwi. W celu określenia linii brzegowej wyznaczonej przez krawędź brzegu wykorzystano chmurę punktów oraz narzędzia do wygenerowania płaszczyzn, z których wyznaczono tę krawędź. Uzyskano dokładność wyznaczenia tą metodą linii brzegowej, wynoszącą ±0,21 m. Z przeprowadzonych badań wynika, że najlepsze rezultaty uzyskano, wyznaczając linię brzegu, gdy linię tę stanowi krawędź brzegu, lub linię średniego stanu wody z okresu co najmniej 10 lat. Ze względu na bardzo niejednoznaczny przebieg granicy linii brzegu wyznaczonej jako linia stałego porastania traw, celowe byłoby wyeliminowanie tego kryterium z zapisu ustawy „Prawo wodne”.
Źródło:
Journal of Water and Land Development; 2017, 35; 259-264
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 45

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies