theory, expert systems, logic, mana

theory, expert systems, logic, management science, operations
research, pattern recognition, and robotics. Fuzzy
logic may also be useful for descriptive systems, those that
fall somewhere between hard systems and soft systems,
such as biology and agriculture [3].
In addition to fuzzy control, computer vision technology
has also being used widely for design of intelligent control
systems [4,5]. Computer vision is the science that deals
with object recognition and classification by extracting
useful information about the object from its image or
image set. It is a branch of artificial intelligence combining
image processing and pattern recognition techniques. The
major tasks performed by a computer vision system can
be grouped into three processes: image acquisition, image
processing, and object recognition. Different characteristics
of the objects are extracted and final decisions are
made using various image processing algorithms and pattern
recognition techniques, respectively. Computer
vision-based inspection is already in commercial use in
automotive, electronics, and other industries. Many of the
industrial objects being inspected are defined based on
size, shape, color, and texture. Agricultural or biological
objects, including grain kernels, on the other hand, are of
variable size, shape, color, and texture. In addition, these
features may vary from year to year, by growing region
within a year, and even over a single growing season [6].
In recent years, scientists and researchers have
attempted to design and develop automatic systems based
on computer vision and artificial intelligence for quality
evaluation and grading of rice. Sansomboonsuk and Afzulpurkar
[7] developed shrinkage algorithms to extract features
of rice kernels in two forms of point and line
touching kernels. Fuzzy logic method was utilized to organize
and classify the kernels. Experimental results found
that the algorithms perform satisfactorily in evaluating
the percentage of broken rice with overall accuracy of
92%. Shiddiq et al. [8] suggested an Adaptive Neuro-Fuzzy
Inference System (ANFIS) in which the relationships
between rice color characteristics and its quality grade
can expressed in the form of ‘‘if-then’’ fuzzy rules. Some
authors have attempted to incorporate vision techniques
into metaheuristic classification algorithms and optimization
methods for identifying rice kernels of different varieties.
Liu et al. [9] applied a digital color image analysis
algorithm based on morphological features and artificial
neural networks to identify six varieties of rough rice
seeds. Guzman and Peralta [10] proposed the combination
of a machine vision system and artificial neural networks
for automatic identification of 52 varieties of rice grains
belonging to five varietal groups of the product in the Philippines.
In a research, Mousavi Rad et al. [11] utilized
Imperialist Competition Algorithm (ICA) to select the best
feature set for classification of seven Iranian rice varieties.
The optimal features were also selected using Genetic
Algorithm (GA) and its performance was compared with
the ICA method. Results indicated that the ICA-based
method provided better classification performance than
the GA technique. Chen et al. [12] showed that head rice
and broken rice could be effectively identified by Least
Squares Support Vector Machines in a machine visionbased
inspection system. Similarly, MousaviRad et al.

ผลลัพธ์ (ไทย) 1:

ทฤษฎี ระบบผู้เชี่ยวชาญ ตรรกะ วิทยาศาสตร์ การดำเนินงานวิจัย การรู้จำรูปแบบ และวิทยาการ เอิบตรรกะยังอาจมีประโยชน์สำหรับอธิบายระบบ ผู้ที่ฤดูใบไม้ร่วงอยู่ระหว่างระบบฮาร์ดดิสก์และระบบอ่อนชีววิทยาและการเกษตร [3]นอกจากควบคุมเอิบ เทคโนโลยีคอมพิวเตอร์วิชั่นได้ถูกใช้อย่างกว้างขวางสำหรับการออกแบบของตัวควบคุมอัจฉริยะระบบ [4,5] คอมพิวเตอร์วิทัศน์เป็นวิทยาศาสตร์ที่เกี่ยวข้องการรู้จำวัตถุและการจัดประเภท โดยแยกข้อมูลที่เป็นประโยชน์เกี่ยวกับวัตถุจากรูปภาพ หรือภาพชุดการ เป็นสาขาของปัญญาประดิษฐ์ที่รวมภาพการประมวลผลและรูปแบบการรู้เทคนิคการ ที่สามารถดำเนินการตามวิสัยทัศน์ระบบงานสำคัญจัดเป็นกระบวนการสามกลุ่ม: ซื้อรูปภาพ รูปภาพประมวลผล และการรับรู้วัตถุ ลักษณะที่แตกต่างกันของวัตถุจะถูกขยาย และจะตัดสินใจขั้นสุดท้ายทำได้โดยใช้อัลกอริทึมและรูปแบบการประมวลผลภาพต่าง ๆการรู้เทคนิค ตามลำดับ คอมพิวเตอร์ตรวจสอบตามวิสัยทัศน์ถูกใช้เชิงพาณิชย์ในยานยนต์ อิเล็กทรอนิกส์ และอุตสาหกรรมอื่น ๆ จำนวนมากวัตถุที่ถูกตรวจสอบมีกำหนดอุตสาหกรรมตามขนาด รูปร่าง สี และผิว เกษตร หรือชีวภาพวัตถุ รวมถึงเมล็ดข้าว ในทางกลับกัน มีตัวแปรขนาด รูปร่าง สี และพื้นผิว นอกจากนี้ เหล่านี้ลักษณะการทำงานอาจเปลี่ยนแปลงจากปีถึงปี โดยเติบโตภูมิภาคภายในปี และมากกว่าแม้แต่ การเติบโตเดียวฤดู [6]ในปีที่ผ่านมา นักวิทยาศาสตร์และนักวิจัยได้พยายามออกแบบ และพัฒนาระบบอัตโนมัติที่ใช้วิสัยทัศน์คอมพิวเตอร์และปัญญาประดิษฐ์สำหรับคุณภาพประเมินผลและการจัดเกรดของข้าว Sansomboonsuk และ Afzulpurkar[7] หดตัวพัฒนาอัลกอริทึมการแยกคุณลักษณะของเมล็ดข้าวในสองรูปแบบของจุดและเส้นสัมผัสเมล็ด ตรรกศาสตร์วิธีถูกใช้เพื่อจัดระเบียบและจัดประเภทเมล็ด ผลการทดลองพบว่า อัลกอริทึมที่ดำเนินการผ่านในการประเมินเปอร์เซ็นต์ข้าวหัก ด้วยความถูกต้องโดยรวมของ92% Shiddiq et al. [8] แนะนำการศัลยกรรมเอิบแบบอะแดปทีฟข้อระบบ (ANFIS) ซึ่งความสัมพันธ์ลักษณะการสีข้าวและชั้นคุณภาพของสามารถแสดงในรูปของกฎชัดเจน ''ถ้าแล้ว" บางผู้เขียนได้พยายามรวบรวมเทคนิคการวิสัยทัศน์อัลกอริทึมประเภท metaheuristic และเพิ่มประสิทธิภาพวิธีการระบุเมล็ดข้าวพันธุ์อื่นการวิเคราะห์ภาพสีดิจิทัลใช้หลิว et al. [9]อัลกอริทึมตามลักษณะสัณฐาน และประดิษฐ์เครือข่ายประสาทเพื่อระบุ 6 พันธุ์ข้าวหยาบเมล็ดพันธุ์ นำเสนอชุด Guzman และ Peralta [10]วิสัยทัศน์ระบบเครื่องและเครือข่ายประสาทเทียมสำหรับพันธุ์ข้าว 52 รหัสอัตโนมัติเป็นสมาชิกตั้งแต่ 5 กลุ่มผลิตภัณฑ์ในประเทศฟิลิปปินส์วิจัย Mousavi Rad et al. [11] ใช้จักรวรรดินิยมแข่งขันอัลกอริทึม (ปัจจุบันประกอบ) เพื่อเลือกดีที่สุดลักษณะที่ตั้งการจัดพันธุ์ข้าวอิหร่าน 7คุณลักษณะที่ดีที่สุดยังเลือกใช้พันธุอัลกอริทึม (GA) และประสิทธิภาพของมันถูกเมื่อเทียบกับวิธีปัจจุบันประกอบด้วย ระบุผลลัพธ์ที่ปัจจุบันประกอบตามวิธีให้ประสิทธิภาพการทำงานประเภทดีกว่าเทคนิค GA เฉิน al. ร้อยเอ็ด [12] แสดงให้เห็นว่าข้าวที่ใหญ่และข้าวหักสามารถได้อย่างมีประสิทธิภาพ โดยน้อยสี่เหลี่ยมเครื่องสนับสนุนเวกเตอร์ใน visionbased เครื่องระบบตรวจสอบ ในทำนองเดียวกัน MousaviRad et al

ผลลัพธ์ (ไทย) 2:

ทฤษฎีระบบผู้เชี่ยวชาญตรรกะวิทยาศาสตร์การจัดการการดำเนินงาน
การวิจัยการจดจำรูปแบบและหุ่นยนต์ เลือน
ตรรกะก็อาจจะเป็นประโยชน์สำหรับระบบพรรณนาผู้ที่
ตกอยู่ที่ไหนสักแห่งระหว่างระบบที่ยากและระบบนุ่ม
เช่นชีววิทยาและการเกษตร [3].
นอกเหนือจากเครื่องควบคุมเลือนเทคโนโลยีคอมพิวเตอร์วิสัยทัศน์
ยังได้ถูกนำมาใช้กันอย่างแพร่หลายในการออกแบบควบคุมอัจฉริยะ
ระบบ [4,5] วิสัยทัศน์คอมพิวเตอร์เป็นศาสตร์ที่เกี่ยวข้อง
กับการรับรู้วัตถุและการจำแนกโดยแยก
ข้อมูลที่เป็นประโยชน์เกี่ยวกับวัตถุจากภาพหรือ
ภาพชุด มันเป็นสาขาของปัญญาประดิษฐ์รวม
การประมวลผลภาพและรูปแบบเทคนิคการรับรู้
งานหลักที่ดำเนินการโดยระบบการมองเห็นคอมพิวเตอร์สามารถ
แบ่งออกได้เป็นสามกระบวนการ: การควบรวมภาพภาพ
การประมวลผลและการรับรู้วัตถุ ลักษณะที่แตกต่างกัน
ของวัตถุที่มีการสกัดและการตัดสินใจขั้นสุดท้ายจะ
ทำโดยใช้ขั้นตอนวิธีการประมวลผลภาพต่างๆและรูปแบบ
เทคนิคการรับรู้ตามลำดับ คอมพิวเตอร์
ตรวจสอบตามวิสัยทัศน์ที่มีอยู่แล้วในการใช้งานเชิงพาณิชย์ใน
ยานยนต์อิเล็กทรอนิกส์และอุตสาหกรรมอื่น ๆ หลาย
วัตถุอุตสาหกรรมการตรวจสอบจะถูกกำหนดขึ้นอยู่กับ
ขนาดรูปร่างสีและพื้นผิว เกษตรชีวภาพหรือ
วัตถุรวมทั้งเมล็ดข้าวในมืออื่น ๆ ที่เป็นของ
ตัวแปรขนาดรูปร่างสีและพื้นผิว นอกจากนี้
คุณสมบัติที่อาจแตกต่างจากปีที่ปีโดยการเจริญเติบโตในภูมิภาค
ภายในปีและแม้กระทั่งในช่วงฤดูปลูกเดียว [6].
ในปีที่ผ่านมานักวิทยาศาสตร์และนักวิจัยได้
พยายามที่จะออกแบบและพัฒนาระบบโดยอัตโนมัติตาม
วิสัยทัศน์และคอมพิวเตอร์ ปัญญาประดิษฐ์ที่มีคุณภาพสำหรับ
การประเมินผลและการจัดลำดับของข้าว Sansomboonsuk และ Afzulpurkar
[7] การพัฒนาอัลกอริทึมการหดตัวที่จะดึงคุณสมบัติ
ของเมล็ดข้าวในสองรูปแบบของจุดและสาย
การสัมผัสเมล็ด วิธีตรรกศาสตร์ถูกนำมาใช้ในการจัดระเบียบ
และจัดประเภทเมล็ด ผลการทดลองพบ
ว่าขั้นตอนวิธีการดำเนินการเป็นที่น่าพอใจในการประเมิน
ร้อยละของข้าวหักที่มีความแม่นยำโดยรวมของ
92% Shiddiq et al, [8] แนะนำการปรับเปลี่ยนประสาทฝอย
ระบบการอนุมาน (ANFIS) ซึ่งความสัมพันธ์
ระหว่างลักษณะสีข้าวและเกรดคุณภาพ
สามารถแสดงในรูปแบบของ '' ถ้าแล้ว '' กฎเลือน บาง
ผู้เขียนได้พยายามที่จะรวมเทคนิคการมองเห็น
ลงในขั้นตอนวิธีการจัดหมวดหมู่สมรรถนะและการเพิ่มประสิทธิภาพ
ในการระบุวิธีการเมล็ดข้าวพันธุ์ที่แตกต่างกัน.
หลิว et al, [9] นำไปใช้การวิเคราะห์ภาพดิจิตอลสีและ
ขั้นตอนวิธีตามลักษณะทางสัณฐานวิทยาและประดิษฐ์
เครือข่ายประสาทในการระบุหกสายพันธุ์ของข้าวหยาบ
เมล็ด Guzman และเปรัลตา [10] เสนอการรวมกัน
ของระบบการมองเห็นเครื่องและเครือข่ายประสาทเทียม
สำหรับการระบุอัตโนมัติ 52 สายพันธุ์ของเมล็ดข้าว
ที่เป็นห้ากลุ่มพันธุ์ของผลิตภัณฑ์ในประเทศฟิลิปปินส์.
ในงานวิจัย, Mousavi ราด et al, [11] ใช้
จักรวรรดินิยมการแข่งขันอัลกอริทึม (ICA) เพื่อเลือกสิ่งที่ดีที่สุด
ชุดคุณลักษณะการจัดหมวดหมู่เจ็ดพันธุ์ข้าวอิหร่าน.
คุณลักษณะที่ดีที่สุดนอกจากนี้ยังได้รับการคัดเลือกทางพันธุกรรมโดยใช้
อัลกอริทึม (GA) และประสิทธิภาพการทำงานที่ถูกเมื่อเทียบกับ
วิธี ICA ผลการศึกษาพบว่าไอซีที่ใช้
วิธีการจัดหมวดหมู่ให้ประสิทธิภาพการทำงานที่ดีกว่า
เทคนิค GA เฉินและอัล [12] แสดงให้เห็นว่าข้าว
และข้าวหักสามารถระบุได้อย่างมีประสิทธิภาพโดยอย่างน้อย
สี่เหลี่ยมสนับสนุนเวกเตอร์เครื่องในเครื่อง visionbased
ระบบการตรวจสอบ ในทำนองเดียวกัน MousaviRad et al,

ผลลัพธ์ (ไทย) 3:

ทฤษฎี , ระบบผู้เชี่ยวชาญ , ตรรกะ , วิทยาการจัดการ , หุ่นยนต์ปฏิบัติการ
การวิจัย รูปแบบและ ฟัซซี่
ตรรกะอาจจะมีประโยชน์สำหรับระบบเชิงพรรณนาที่
อยู่ที่ใดที่หนึ่งระหว่างระบบฮาร์ดดิสก์และระบบนุ่ม
เช่นชีววิทยาและการเกษตร [ 3 ] .
นอกจากควบคุมฟัซซี่ , คอมพิวเตอร์วิสัยทัศน์เทคโนโลยี
ยังถูกใช้กันอย่างแพร่หลายเพื่อออกแบบระบบควบคุมอัจฉริยะ
[ 4 , 5 ]วิสัยทัศน์คอมพิวเตอร์เป็นศาสตร์ที่เกี่ยวข้องกับการรับรู้วัตถุและการจำแนก

โดยการสกัดข้อมูลที่เป็นประโยชน์เกี่ยวกับวัตถุจากภาพหรือ
ภาพชุด มันเป็นสาขาหนึ่งของปัญญาประดิษฐ์การประมวลภาพและเทคนิคการรู้จำรูปแบบ
.
สาขางานระบบภาพคอมพิวเตอร์สามารถ
ถูกจัดเป็น 3 กระบวนการ : การซื้อภาพ , การประมวลผลภาพ
,และการรับรู้วัตถุ ลักษณะที่แตกต่างกันของวัตถุได้

และ การตัดสินใจขั้นสุดท้ายจะทำโดยใช้ขั้นตอนวิธีการประมวลผลภาพต่างๆและรูปแบบ
รู้เทคนิค ตามลำดับ การตรวจสอบตามวิสัยทัศน์คอมพิวเตอร์
มีอยู่แล้วในการใช้เชิงพาณิชย์ใน
ยานยนต์ , อิเล็กทรอนิกส์ , และอุตสาหกรรมอื่น ๆ หลายของอุตสาหกรรมการตรวจสอบมีการกำหนดวัตถุ

ตามขนาดรูปร่างสีและพื้นผิว เกษตรชีวภาพ
วัตถุ ได้แก่ เมล็ดธัญพืช , บนมืออื่น ๆ , มี
ตัวแปรขนาด รูปร่าง สี และพื้นผิว นอกจากนี้ คุณสมบัติเหล่านี้
อาจแตกต่างกันจากปีที่ปี โดยพื้นที่ปลูก
ภายในปีนี้ และแม้แต่ช่วงฤดูปลูกเดี่ยว [ 6 ] .
ใน ปี ล่าสุด นักวิทยาศาสตร์และนักวิจัยได้
พยายามที่จะออกแบบและพัฒนาระบบโดยอัตโนมัติ
ในคอมพิวเตอร์วิสัยทัศน์และปัญญาประดิษฐ์สำหรับการประเมินคุณภาพ
คุณภาพของข้าว และ sansomboonsuk afzulpurkar
[ 7 ] การพัฒนาขั้นตอนวิธีการหดตัวเพื่อสกัดคุณลักษณะ
ของเมล็ดข้าวในรูปแบบสองจุดและเส้น
สัมผัสเมล็ด วิธีฟัซซี่ลอจิกถูกใช้เพื่อจัดระเบียบ
และแยกเมล็ด ผลการทดลองพบว่าขั้นตอนวิธีการพอใจ

ในการประเมินผลเปอร์เซ็นต์ข้าวหักที่มีความถูกต้องโดยรวมของ
92% shiddiq et al . [ 8 ] แนะนำการ Neuro ฟัซซี่
สรุประบบ ( anfis ) ซึ่งความสัมพันธ์
ระหว่างข้าวลักษณะสีและคุณภาพ
สามารถแสดงออกในรูปแบบของ ' ' ' 'if-then ฟัซซี่กฎ ผู้เขียนได้พยายามรวมบาง

เทคนิควิสัยทัศน์เป็นวิธีการเพิ่มประสิทธิภาพและขั้นตอนวิธีการจำแนกเมตาฮิวริ ิก
หาข้าวเมล็ดพันธุ์ที่แตกต่างกัน .
Liu et al . เป็นสีดิจิตอลขั้นตอนวิธีการวิเคราะห์
ภาพตามลักษณะทางสัณฐานวิทยาและโครงข่ายประสาทเทียม
ระบุหกสายพันธุ์ของเมล็ดข้าว
หยาบใช้ [ 9 ] Guzman และ Peralta [ 10 ] เสนอการรวมกัน
ของเครื่องจักรและระบบโครงข่ายประสาทเทียมวิสัยทัศน์
สำหรับการระบุอัตโนมัติของข้าวธัญพืช 52 พันธุ์
เป็นของห้าพันธุ์ของกลุ่มผลิตภัณฑ์ในฟิลิปปินส์ .
ในการวิจัย Mousavi ราด et al . [ 11 ] ใช้
ขั้นตอนวิธีการแข่งขันจักรวรรดินิยม ( ICA ) เพื่อเลือกที่ดีที่สุด
ชุดคุณลักษณะสำหรับการจัดประเภทของอิหร่าน 7 พันธุ์ ข้าว
คุณสมบัติที่เหมาะสมคือ ยังเลือกใช้พันธุกรรม
Algorithm ( GA ) และประสิทธิภาพเมื่อเทียบกับ
ICA โดยวิธี ผลการศึกษาพบว่า วิธีการที่ ICA ตาม
ให้ประสิทธิภาพการจำแนกดีกว่า
วิธีกา . Chen et al . [ 12 ] พบว่าหัวแตก
ข้าวข้าวได้อย่างรวดเร็วระบุอย่างน้อย
สี่เหลี่ยมสนับสนุนเวกเตอร์เครื่องจักรในเครื่อง visionbased
การตรวจสอบระบบ ในทํานองเดียวกัน mousavirad et al .