Tomatoes, with an annual production

Tomatoes, with an annual production of 60 million tons, are one of the main horticultural crops in the world, with three million hectares planted every year. In the Netherlands, the total area under cultivation was 1133 hectares in 2000 with a production of 1040 million kilograms and a mean price of $0.90 per kilogram (van Dijk et al., 2001).
Traditionally, the surface color of tomatoes is a major factor in determining the ripeness of tomato fruits (Arias etal., 2000). A color–chart standard has been specifically developed for the purpose of classifying tomatoes in
12 ripeness classes (The Greenery, Breda, the Netherlands). For automatic sorting of tomatoes, RGB color cameras are
used instead of the color chart (Choi et al., 1995). RGB–based classification, however, strongly depends on recording
conditions. Next to surface and reflection/absorption characteristics of the tomato itself, the light source (illumination
intensity, direction, and spectral power distribution), the characteristics of the filters, the settings of the camera (e.g., aperture), and the viewing position all influence the final RGB image. Van der Heijden et al. (2000) has shown
that color information in hyperspectral images can be made invariant to these factors, thus providing a powerful alternative to RGB color cameras. In this way, a hyperspectral imaging system and spectral analysis would permit the sorting of tomatoes under different lighting conditions.

ผลลัพธ์ (ไทย) 1:

มะเขือเทศ กับการการผลิต 60 ล้านตัน เป็นหนึ่งในพืชเมนหลักในโลก สามล้านไร่ปลูกทุกปี ในประเทศเนเธอร์แลนด์ พื้นที่ภายใต้การเพาะปลูกถูกเฮกเตอร์ 1133 ใน 2000 กับการผลิตของ 1040 ล้านกิโลกรัมและราคาเฉลี่ย $0.90 ต่อกิโลกรัม (van Dijk et al., 2001)ประเพณี สีผิวของมะเขือเทศเป็นปัจจัยหลักในการกำหนด ripeness ของมะเขือเทศผลไม้ (Arias etal., 2000) สี – แผนภูมิมาตรฐานได้รับการพัฒนาโดยเฉพาะเพื่อจัดประเภทมะเขือเทศใน12 ripeness ห้องเรียน (เดอะกรีนเนอรี่ ได้แก่ ประเทศเนเธอร์แลนด์) สำหรับอัตโนมัติเรียงลำดับของมะเขือเทศ กล้องสี RGB มีใช้แทนสีแผนภูมิ (Choi et al., 1995) RGB-ตามประเภท อย่างไรก็ตาม ขอขึ้นอยู่กับการบันทึกเงื่อนไขการ ติดกับพื้นผิวและซึมสะท้อนลักษณะของมะเขือเทศเอง แหล่งกำเนิดแสง (แสงสว่างความเข้ม ทิศทาง และระบบไฟฟ้าสเปกตรัม), ลักษณะของตัวกรอง การตั้งค่าของกล้อง (เช่น รูรับแสง), และดูตำแหน่งงานทั้งหมดมีอิทธิพลต่อ RGB ภาพสุดท้าย มีแสดง van der Heijden et al. (2000)ข้อมูลสีในภาพ hyperspectral สามารถทำบล็อกกับปัจจัยเหล่านี้ จึง ให้ทางเลือกกล้องสี RGB มีประสิทธิภาพ ด้วยวิธีนี้ hyperspectral ถ่ายภาพระบบและวิเคราะห์สเปกตรัมจะอนุญาตให้การเรียงลำดับของมะเขือเทศภายใต้สภาพแสงที่แตกต่างกัน

ผลลัพธ์ (ไทย) 2:

มะเขือเทศที่มีการผลิตปีละ 60 ล้านตันเป็นหนึ่งในพืชสวนหลักในโลกสามล้านไร่ปลูกทุกปี ในประเทศเนเธอร์แลนด์รวมพื้นที่เพาะปลูกเป็น 1,133 ไร่ในปี 2000 ที่มีการผลิตจาก 1040 ล้านกิโลกรัมและราคาเฉลี่ยของ $ 0.90 ต่อกิโลกรัม (รถตู้ Dijk et al., 2001).
ตามเนื้อผ้าสีผิวของมะเขือเทศเป็นปัจจัยสำคัญ ในการพิจารณาความสุกของผลไม้มะเขือเทศ (เรีย etal., 2000) มาตรฐานสีแผนภูมิที่ได้รับการพัฒนาโดยเฉพาะสำหรับวัตถุประสงค์ของการแบ่งประเภทของมะเขือเทศใน
12 ชั้นเรียนสุก (กรีนเนอรี่, Breda, เนเธอร์แลนด์) สำหรับการเรียงลำดับโดยอัตโนมัติจากมะเขือเทศ, กล้องสี RGB จะถูก
นำมาใช้แทนแผนภูมิสี (Choi et al., 1995) การจัดหมวดหมู่ RGB ที่ใช้ แต่อย่างยิ่งขึ้นอยู่กับการบันทึก
เงื่อนไข ถัดไปไปที่พื้นผิวและการสะท้อน / ลักษณะการดูดซึมของมะเขือเทศเองแหล่งกำเนิดแสง (ความสว่าง
ความเข้มทิศทางและการกระจายอำนาจสเปกตรัม) ลักษณะของตัวกรองการตั้งค่าของกล้อง (เช่นรูรับแสง) และตำแหน่งของการดูทั้งหมด มีอิทธิพลต่อภาพ RGB สุดท้าย แวนเดอร์ Heijden และคณะ (2000) ได้แสดงให้เห็น
ว่าข้อมูลสีในภาพ hyperspectral สามารถทำคงที่ปัจจัยเหล่านี้จึงให้เป็นทางเลือกที่มีประสิทธิภาพในการ RGB กล้องสี ด้วยวิธีนี้ระบบการถ่ายภาพ hyperspectral และการวิเคราะห์สเปกตรัมจะอนุญาตให้เรียงลำดับของมะเขือเทศภายใต้สภาพแสงที่แตกต่างกัน

ผลลัพธ์ (ไทย) 3:

มะเขือเทศ ด้วยการผลิตปี 60 , 000 ตัน เป็นหนึ่งใน หลักพืชสวนโลกมี 3 ล้านไร่ ปลูกทุกปี ในประเทศเนเธอร์แลนด์ , พื้นที่ทั้งหมดภายใต้การเพาะปลูกอยู่ที่ไร่ใน 2000 กับการผลิต 1 , 040 ล้านกิโลกรัม และ หมายถึง ราคาของ $ 0.90 บาทต่อกิโลกรัม ( van Dijk et al . , 2001 ) .
ผ้าพื้นผิวสีมะเขือเทศเป็นปัจจัยหลักในการกำหนดระดับความสุกของผลมะเขือเทศ ( Arias คณะ . , 2000 ) สี–แผนภูมิมาตรฐานได้รับการพัฒนาเฉพาะสำหรับวัตถุประสงค์ของการคัดแยกมะเขือเทศสุก
12 ห้องเรียน ( สีเขียว , เบรดา , เนเธอร์แลนด์ ) อัตโนมัติสำหรับการเรียงลำดับของมะเขือเทศ , กล้องสี RGB เป็น
ใช้แทนตารางสี ( Choi et al . , 1995 )RGB –หมวดหมู่ตาม แต่ขอ ขึ้นอยู่กับสภาพการบันทึก

ติดกับพื้นผิวและลักษณะการสะท้อน / การดูดซึมของมะเขือเทศเอง แหล่งกำเนิดแสง ( แสง
เข้ม ทิศทาง และการกระจายพลังงาน ) , ลักษณะของตัวกรอง , การตั้งค่าของกล้อง เช่น รูรับแสง และดูตำแหน่งที่มีอิทธิพลต่อภาพ RGB ขั้นสุดท้ายฟาน เดอร์ heijden et al . ( 2000 ) ได้แสดงข้อมูลใน hyperspectral
ที่สีภาพที่สามารถทำให้ค่าคงที่ปัจจัยเหล่านี้จึงเสนอทางเลือกที่มีประสิทธิภาพเพื่อ RGB กล้องสี ในวิธีนี้ระบบภาพ hyperspectral และการวิเคราะห์สเปกตรัมจะอนุญาตให้มีการคัดแยกมะเขือเทศภายใต้สภาพแสงที่แตกต่างกัน