Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Đánh giá chất lượng mẫu ngô bằng phương pháp phân tích hình ảnh màu
Tóm tắt
Chất lượng hạt được đánh giá dựa trên các đặc điểm khác nhau như ngoại hình, hình dạng, màu sắc, mùi, hương vị, hàm lượng ẩm, sự nhiễm khuẩn, sự có mặt của tạp chất, v.v. Các chỉ số chính cho chất lượng mẫu hạt liên quan đến các đặc điểm màu sắc và hình dạng của các yếu tố của mẫu hạt. Hầu hết các đặc điểm này được đánh giá bằng cách quan sát trực quan của một chuyên gia. Trong bài báo này, một phương pháp để ước lượng khách quan một số đặc điểm chất lượng hạt cơ bản được trình bày. Nó dựa trên phân tích phức tạp các hình ảnh màu của các đối tượng được khảo sát. Do sự khác biệt về khái niệm trong việc trình bày đặc điểm màu sắc và hình dạng của các đối tượng, việc đánh giá của chúng đã được thực hiện tách biệt. Sau đó, các kết quả từ hai đánh giá này được kết hợp và quyết định cuối cùng về việc phân loại đối tượng vào một trong các nhóm chất lượng theo quy định tiêu chuẩn được đưa ra. Các phương pháp và công cụ cho việc trích xuất đặc điểm và mô tả đối tượng, cũng như phân loại các đối tượng vào các nhóm đã định sẵn đã được đề xuất. Ba bộ phân loại, dựa trên các yếu tố cơ sở hình tròn, được sử dụng để nhận diện lớp màu sắc và hình dạng của hạt, đã được phân tích. Hai cách tiếp cận khác nhau để hợp nhất kết quả từ phân tích màu sắc và hình dạng của đối tượng đã được điều tra. Lỗi trong đào tạo và kiểm tra của các quy trình phát triển đã được đánh giá.
Từ khóa
#đánh giá chất lượng #hạt ngô #phân tích hình ảnh màu #nhận diện lớp #phân loại đối tượngTài liệu tham khảo
M. Mladenov, C. Damyanov, S. Atanassova, Tz. Draganova, Agric. Sci. Technol. 1(1), 8 (2009)
Bulgarian Government Standard 607:1973. Grain maize for purchase and marketing
Bulgarian Government Standard 602:1987. Marketable and distributable wheat
T. Brosnan, D.W. Sun, Comput. Electron. Agric. 36(2), 193 (2002)
S. Majumdar, D.S. Jayas, Trans. ASAE 43(6), 1681 (2000)
S. Majumdar, D.S. Jayas, Trans. ASAE 43(6), 1677 (2000)
C. Liu, J. Shaw, K. Poong, M. Hong, M. Shen, Cereal Chem. 82(6), 649 (2005)
R. Ruan, S. Ning, A. Song, A. Ning, R. Jones, P.L. Chen, Cereal Chem. 75(4), 455 (1998)
M. Mladenov, Tz. Draganova, P. Daskalov, R. Tzonev, M. Dejanov, Agric. Eng. 6(2) (2008)
M. Mladenov, M. Dejanov, in Proceedings of the 9th WSEAS International Conference on Neural Networks (2008), pp. 67–72
M.J. Aitkenhead, I.A. Dalgetty, C.E. Mullins, Comput. Electron. Agric. 39(3), 157 (2003)
J. Paliwal, N.S. Visen, D.S. Jayas, J. Agric. Eng. Res. 79(4), 361 (2001)
J. Paliwal, N.S. Visen, D.S. Jayas, Biosyst. Eng. 85(4), 405 (2003)
K. Liao, M.R. Paulsen, J.F. Reid, B.C. Ni, B.E.P. Maghirang, Trans. ASAE 36(6), 1949 (1993)
J. Paliwal, N.S. Visen, D.S. Jayas, N.D.G. White, Biosyst. Eng. 85(1), 51 (2003)
M. Mladenov, S. Penchev, B. Borisov, K. Arvanitis, N. Sigrimis, in Proceedings of AgEng2004: Engineering the Future, workshop 3, Paper No 590, (2004)
H.F. Ng, W.F. Wilcke, Trans. ASAE 41(2), 415 (1998)
B. Ni, M.R. Paulsen, K. Liao, J.F. Reid, Trans. ASAE 40(2), 491 (1997)
D.S. Jayas, J. Paliwal, N.S. Visen, Agr. Eng. Res. 77(2), 119 (2000)
M. Mladenov, S. Penchev, M. Dejanov, M. Mustafa, in Proceedings of the IASTED International Conference SPPRA 2011, (2011), pp. 37–44
M. Kubat, in Radial basis function networks 1: recent developments in theory and applications, Chapter 2, ed. by R. Howlett, L. Jain (Physica, Heidelberg, 2001), pp. 31–48
D.S. Huang, W.B. Zhao, Appl. Math. Comput. 162(1), 461 (2005)
S. Haykin, in Neural Networks and Learning Machines (3rd Edition) (Prentice Hall, 2008), 3rd ed., ISBN 0131471392
G.J. Mclachlan, Discriminant Analysis and Statistical Pattern Recognition (Wiley Series in Probability and Statistics) (Wiley-Interscience, 2004), ISBN 0471691151
S. Kotsiantis, P. Pintelas, WSEAS Trans. Inf. Sci. Appl. 1(1), 73 (2004)
V. Vapnik, The Nature of Statistical Learning Theory (Wiley, New York, 1995)
H. Drucker, Chris, B.L. Kaufman, A. Smola, V. Vapnik, in Advances in Neural Information Processing Systems 9, vol. 9 (1997), pp. 155–161
D. Bremner, E. Demaine, J. Erickson et al., Discrete Comput. Geom. 4(33), 593 (2005)
S. Vijayakumar, A. D’Souza, S. Schaal, in Nearest-Neighbor Methods in Learning and Vision: Theory and Practice, ed. by G. Shakhnarovich, T. Darrell, P. Indyk (The MIT Press, Cambridge, 2006)
P.A. Flach, N. Lachiche, Mach. Learn. 57(3), 233 (2004)
S. Kotsiantis, P. Pintelas, in Artificial Intelligence: Methodology, Systems, and Applications (Lecture Notes in Computer Science), ed. by C. Bussler, D. Fensel (Springer Berlin Heidelberg 2004), pp. 198–207