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 "optical classification" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Optical water types of the Nordic Seas and adjacent areas
    Autorzy:
    Aas, E.
    Hojerslev, N.K.
    Hokedal, J.
    Sorensen, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/47844.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Instytut Oceanologii PAN
    Tematy:
    Arctic Sea
    Baltic Sea
    Barents Sea
    Nordic Sea
    optical classification
    adjacent area
    surface layer
    weather condition
    coastal water
    irradiance
    Źródło:
    Oceanologia; 2013, 55, 2
    0078-3234
    Pojawia się w:
    Oceanologia
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Machine learning system for automated blood smear analysis
    Autorzy:
    Grochowski, Michał
    Wąsowicz, Michał
    Mikołajczyk, Agnieszka
    Ficek, Mateusz
    Kulka, Marek
    Wróbel, Maciej S.
    Jędrzejewska-Szczerska, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/220750.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    optical microscopy
    blood cells
    biophotonics
    image analysis
    classification
    eigenfaces
    neural networks
    decision support
    nanodiamonds
    bioimaging
    Opis:
    In this paper the authors propose a decision support system for automatic blood smear analysis based onmicroscopic images. The images are pre-processed in order to remove irrelevant elements and to enhancethe most important ones – the healthy blood cells (erythrocytes) and the pathologic ones (echinocytes). The separated blood cells are analysed in terms of their most important features by the eigenfaces method. The features are the basis for designing the neural network classifier, learned to distinguish between erythrocytes and echinocytes. As the result, the proposed system is able to analyse the smear blood images in a fully automatic way and to deliver information on the number and statistics of the red blood cells, both healthy and pathologic. The system was examined in two case studies, involving the canine and human blood, and then consulted with the experienced medicine specialists. The accuracy of classification of red blood cells into erythrocytes and echinocytes reaches 96%.
    Źródło:
    Metrology and Measurement Systems; 2019, 26, 1; 81-93
    0860-8229
    Pojawia się w:
    Metrology and Measurement Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Metoda oceny kategorii maszyn ze względu na emisję nielaserowego promieniowania optycznego
    Autorzy:
    Pawlak, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/137879.pdf
    Data publikacji:
    2012
    Wydawca:
    Centralny Instytut Ochrony Pracy
    Tematy:
    nielaserowe promieniowanie optyczne
    promieniowanie nadfioletowe
    widzialne i podczerwone
    emisja promieniowania
    klasyfikacja maszyn
    nonlaser optical radiation
    ultraviolet
    visible and infrared radiation
    emission of radiation
    classification of machinery
    Opis:
    W artykule opisano metodę oceny maszyn emitujących promieniowanie optyczne, która polega na pomiarze parametrów promieniowania nadfioletowego, widzialnego lub podczerwonego określonych w normach PN-EN 12198 Część 1. i 2. Na podstawie wyników tych pomiarów jest wyznaczana kategoria emisji promieniowania określonej maszyny. Wartość kategorii emisji stanowi podstawę do oceny ryzyka pracowników, którzy mogą być zagrożeni tym promieniowaniem oraz do określenia rodzajów środków w celu ograniczenia emisji tego promieniowania. Następnie scharakteryzowano wymienione rodzaje promieniowań oraz przestawiono przykładowe maszyny, w których procesach technologicznych jest ono wykorzystywane. Zaprezentowaną metodę oceny kategorii emisji wykorzystano do oceny trzech przykładowych maszyn, które emitują promieniowanie: nadfioletowe, widzialne oraz podczerwone.
    This article discusses a method of evaluating machines emitting optical radiation, which involves measuring parameters of ultraviolet, visible or infrared light listed in standards PN-EN 12198 Part 1 and 2. The category of radiation of specific machines is determined on the basis of the results of those measurements. The value of emission categories is the basis for assessing the risk of employees exposed to radiation and for determining the types of measures reducing the emission of radiation. This article characterizes those types of radiation and gives examples of machines with the relevant technological processes. The method of evaluating emission categories is shown in three sample machines that emit ultraviolet, visible and infrared radiation.
    Źródło:
    Podstawy i Metody Oceny Środowiska Pracy; 2012, 4 (74); 17-32
    1231-868X
    Pojawia się w:
    Podstawy i Metody Oceny Środowiska Pracy
    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