Informacja

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

Wyszukujesz frazę "Bubliński, Z." wg kryterium: Autor


Wyświetlanie 1-3 z 3
Tytuł:
System inteligentnego monitoringu przestrzeni i obiektów szczególnego znaczenia SIMPOZ
Intelligent surveillance system for monitoring of important public spaces and buildings
Autorzy:
Bubliński, Z.
Chmiel, W.
Jabłoński, M.
Kadłuczka, P.
Kryjak, T.
Mikrut, Z.
Pawlik, P.
Tadeusiewicz, R.
Powiązania:
https://bibliotekanauki.pl/articles/274637.pdf
Data publikacji:
2011
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
przetwarzanie obrazu
sztuczna inteligencja
zarządzanie procesem monitoringu
image processing
artificial intelligence
surveillance process management
Opis:
Celem projektu realizowanego w Katedrze Automatyki jest stworzenie wydajnego narzędzia wspomagającego proces nadzoru przestrzeni i obiektów publicznych, w oparciu o automatyczną analizę obrazów cyfrowych. Przy założeniu szeroko pojętej ogólności zagrożeń, które mają być wykrywane, konstrukcja programu do automatycznego wspomagania nadzoru nie jest zagadnieniem trywialnym, ze względu na nieprzewidywalną wielowariantowość obserwowanych sytuacji. Opracowanie efektywnego systemu wymaga rozwiązania szeregu zagadnień, skomplikowanych od strony koncepcyjnej i trudnych w realizacji algorytmicznej. Zadaniem inteligentnego systemu wspomagania monitoringu jest wskazanie obsłudze systemu sytuacji potencjalnie podejrzanych z punktu widzenia przyjętych kryteriów bezpieczeństwa. W celu przezwyciężenia pojawiających się tu trudności tworzone są algorytmy, których działanie opiera się nie tylko na przetwarzaniu i analizie obrazów, ale także na próbach automatycznego rozumienia znaczenia obserwowanych scen, czyli imitowanych komputerowo elementach ludzkiego postrzegania i toku myślenia, związanego z ocenianym obrazem.
The aim of the project realized in the Department of Automatics is to create an efficient tool to support the process of surveillance of public spaces and buildings based on automated image analysis. Assuming a wide scope of applications of developed tools, the design of the program to automatically support surveillance tasks is not a trivial problem, due to unforeseen circumstances and non-predicted situation. Developing an effective surveillance system requires addressing a number of issues, that are conceptually complex and require research and implementation of advanced algorithms. The goal of an intelligent monitoring system is to identify potentially suspicious circumstances according to assumed safety criteria. In order to overcome arising here difficulties there are created algorithms whose operation is based not only on processing and analyzing images, but also on imitating a human perception and understanding of the analyzed images.
Źródło:
Pomiary Automatyka Robotyka; 2011, 15, 12; 69-76
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Use of Harris detector for determination of orientation of acorns in the process of automated scarification
Zastosowanie detektora Harrisa do określania orientacji żołędzi w procesie zautomatyzowanej skaryfikacji
Autorzy:
Pawlik, P.
Jabłoński, M.
Bubliński, Z.
Tadeusiewicz, R.
Walczyk, J.
Tylek, P.
Juliszewski, T.
Adamczyk, F.
Powiązania:
https://bibliotekanauki.pl/articles/337417.pdf
Data publikacji:
2017
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
image analysis
image recognition
characteristic points
corner detector
acorn
scarification
analiza obrazów
rozpoznawanie obrazów
punkty charakterystyczne
detekcja narożników
skaryfikacja
żołędzie
Opis:
The article proposes an algorithm for detection of orientation of acorns during scarification process. This task is necessary for proper cut off of a part of acorn. Described algorithm uses Harris corner detector for location of acorn's remain of style. The performed tests have shown that proposed method is characterized by a sufficient sensitivity value as a unit of efficiency. Its specificity and precision are also high.
W artykule przedstawiono propozycję algorytmu detekcji orientacji żołędzi w procesie automatycznej skaryfikacji żołędzi. Określenie orientacji jest konieczne w celu właściwego wykonania odcięcia części nasiona. Opisany algorytm wykorzystuje detektor Harrisa do wykrywania korzenia zarodkowego. Przeprowadzone testy pokazały, że metoda cechuje się wystarczającą wartością czułości jako miary wydajności. Specyficzność oraz precyzja również są wysokie.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2017, 62, 1; 163-165
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
    Wyświetlanie 1-3 z 3

    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