It is impossible to collect more th

It is impossible to collect more than a tiny proportion of all of the possible examples of a given hue to form a training set for a machine that learns to discriminate colours. In view of this, it is argued that colour generelization is essential. Three mechanisms for learning colours, as defined by a human being, are described. One of these is based upon an idea developed by A.P. Plummer and is implemented in a commercial device known as the “intelligent camera”. This implementation can learn the characteristics of coloured scenes presented to it and can segment a video image in real-time. This paper presents four procedures that allow the range of colours learned by such a system to be broadened so that recognition is made more reliable and less prone to generating noisy images that are difficult to analyse. Three of the procedures can be used to improve colour discrimination, while a fourth procedure is used when a single and general colour concept has to be learned. Several experiments were devised to demonstrate the effectiveness of colour generelization. These have shown that it is indeed possible to achieve reliable colour discrimination / recognition for such tasks as inspecting packaging and fruit. A practical system based upon the intelligent camera and controlled by software written in PROLOG has been developed by the authors and is being used in a study of methods for declarative programming of machine vision systems for industrial applications.

ผลลัพธ์ (ไทย) 1:

ไม่สามารถรวบรวมมากกว่าสัดส่วนเล็ก ๆ ทั้งหมดในตัวอย่างที่เป็นไปได้ของสีสันกำหนดให้รูปแบบการฝึกอบรมที่กำหนดสำหรับเครื่องจักรที่เรียนรู้การแยกแยะสี มุมมองนี้ มันจะโต้เถียง generelization สีที่มีความสำคัญ อธิบายกลไกสามสี การเรียนรู้ตามที่กำหนด โดยมนุษย์ หนึ่งของเหล่านี้ตามความคิดที่พัฒนา โดยเอพี.พลัมเมอร์ และใช้งานในอุปกรณ์เชิงพาณิชย์ที่เรียกว่า "กล้องอัจฉริยะ" การใช้งานนี้สามารถเรียนรู้ลักษณะของสีฉากมัน และสามารถส่วนงานภาพวิดีโอในแบบเรียลไทม์ บทความนี้แสดงขั้นตอนที่ 4 ที่ช่วยให้ช่วงของสีที่ได้เรียนรู้ โดยระบบดังกล่าวจะถูกขยายเพื่อให้การรับรู้ที่ทำดี และน้อยแนวโน้มที่จะสร้างเสียงดังภาพที่ยากต่อการวิเคราะห์ สามกระบวนใช้การปรับปรุงแบ่งแยกสี ในขณะที่ขั้นตอนสี่จะใช้เมื่อมีสีเดียว และทั่วไปแนวคิดที่จะเรียนรู้ ทดลองหลายครั้งถูกออกแบบมาเพื่อแสดงให้เห็นถึงประสิทธิภาพของสี generelization เหล่านี้ได้แสดงให้เห็นว่า เป็นไปได้แน่นอนให้เลือกปฏิบัติเชื่อถือสี / การยอมรับเช่นงานตรวจสอบกระบวนเป็นบรรจุภัณฑ์ และผลไม้ ระบบการปฏิบัติตามกล้องอัจฉริยะ และควบคุม โดยซอฟต์แวร์ที่เขียนขึ้นในภาษาโปรล็อกได้รับการพัฒนา โดยผู้เขียน และมีการใช้ในการศึกษาวิธีการเขียนโปรแกรมประกาศของระบบภาพในเครื่องสำหรับงานอุตสาหกรรม

ผลลัพธ์ (ไทย) 2:

มันเป็นไปไม่ได้ที่จะเก็บมากกว่าสัดส่วนเล็ก ๆ ของทั้งหมดของตัวอย่างที่เป็นไปได้ของสีที่ได้รับในรูปแบบการฝึกอบรมชุดสำหรับเครื่องที่เรียนรู้ที่จะแยกแยะสี ในมุมมองนี้ก็เป็นที่ถกเถียงกันอยู่ว่า generelization สีเป็นสิ่งจำเป็น สามกลไกสำหรับสีการเรียนรู้ตามที่กำหนดโดยความเป็นมนุษย์จะมีคำอธิบาย หนึ่งในจำนวนนี้จะขึ้นอยู่กับความคิดที่พัฒนาโดย AP พลัมเมและจะดำเนินการในเชิงพาณิชย์อุปกรณ์ที่เรียกว่า "กล้องอัจฉริยะ" การดำเนินการนี้สามารถเรียนรู้ลักษณะของฉากสีที่นำเสนอไปและส่วนที่สามารถภาพวิดีโอในแบบ real-time บทความนี้นำเสนอสี่ขั้นตอนที่ช่วยให้ช่วงของสีที่เรียนโดยระบบดังกล่าวจะได้รับการขยายเพื่อให้ได้รับการยอมรับที่ทำน่าเชื่อถือมากขึ้นและมีแนวโน้มน้อยที่จะสร้างภาพที่มีเสียงดังที่ยากต่อการวิเคราะห์ สามขั้นตอนสามารถนำมาใช้ในการปรับปรุงการแยกแยะสีในขณะที่ขั้นตอนที่สี่จะใช้เมื่อแนวคิดสีเดียวและโดยทั่วไปจะต้องมีการเรียนรู้ หลายการทดลองได้วางแผนแสดงให้เห็นถึงประสิทธิภาพของ generelization สี เหล่านี้ได้แสดงให้เห็นว่ามันเป็นไปได้แน่นอนเพื่อให้บรรลุสีน่าเชื่อถือการเลือกปฏิบัติ / การยอมรับสำหรับงานต่างๆเช่นการตรวจสอบการบรรจุภัณฑ์และผลไม้ ระบบการปฏิบัติตามกล้องอัจฉริยะและควบคุมโดยซอฟต์แวร์ที่เขียนใน PROLOG ได้รับการพัฒนาโดยผู้เขียนและจะถูกนำมาใช้ในการศึกษาวิธีการเขียนโปรแกรมที่เปิดเผยของระบบการมองเห็นเครื่องสำหรับการใช้งานในโรงงานอุตสาหกรรม

ผลลัพธ์ (ไทย) 3:

มันเป็นไปไม่ได้ที่จะเก็บมากกว่าสัดส่วนเล็ก ๆของทั้งหมดของตัวอย่างที่เป็นไปได้ของการกำหนดรูปแบบสีสันชุดฝึกเครื่องที่เรียนรู้การแยกแยะสี ในมุมมองของนี้เป็นที่ถกเถียงกันอยู่ว่า generelization สีเป็นสิ่งสำคัญ 3 กลไกการเรียนรู้สี ตามที่กำหนดโดยมนุษย์จะอธิบาย หนึ่งในเหล่านี้จะขึ้นอยู่กับความคิดที่พัฒนาโดยเอพี พลัมเมอร์และดำเนินการในเชิงพาณิชย์อุปกรณ์ที่เรียกว่า " กล้อง " ฉลาด การปฏิบัตินี้สามารถเรียนรู้ลักษณะของสีที่นำเสนอฉากและส่วนที่เป็นภาพวิดีโอในเวลาจริง บทความนี้เสนอสี่ขั้นตอนที่ช่วยให้ช่วงของสีที่ได้ โดยระบบดังกล่าวจะขยายเพื่อให้รับรู้ ทำให้น่าเชื่อถือมากขึ้น และเสี่ยงน้อยกว่าการสร้างภาพที่มีเสียงดังที่ยากต่อการวิเคราะห์ สามขั้นตอนสามารถใช้เพื่อปรับปรุงการแบ่งแยกสี ในขณะที่ขั้นตอนที่สี่คือใช้ตอนเดียวและสีแนวคิดทั่วไปได้เรียนรู้ การทดลองหลายถูกสร้างขึ้นเพื่อแสดงให้เห็นถึงประสิทธิภาพของ generelization สี เหล่านี้ได้แสดงให้เห็นว่าเป็นไปได้แน่นอนเพื่อให้บรรลุเชื่อถือปฏิบัติ / การรับรู้สีสำหรับงานเช่นการตรวจสอบและบรรจุภัณฑ์ผลไม้ ระบบปฏิบัติบนพื้นฐานของกล้องที่ฉลาดและควบคุมโดยซอฟต์แวร์เขียนโปรแกรมได้ถูกพัฒนาโดยผู้เขียนและถูกใช้ในการศึกษาวิธีการยากำจัดวัชพืช วิสัยทัศน์ของระบบเครื่องจักรสำหรับงานอุตสาหกรรม