Next we use color moments [7] and t

Next we use color moments [7] and texture-based features [5] to diagnose the type of disease in an infected leaf. Using co-occurrence matrix, we have obtained values for the following texture-based features: inertia, correlation, energy and homogeneity. Table 2 demonstrates the use of the color and texture features. It can be observed that the combination of these features can separate the 4 categories of diseased wheat leaves-R, MR, MS, S.

ผลลัพธ์ (ไทย) 1:

ถัดไป เราใช้ช่วงเวลาสี [7] และเนื้อตามคุณลักษณะ [5] การวินิจฉัยชนิดของโรคในใบการติดเชื้อ ใช้เมทริกซ์เกิดร่วมกัน เราได้รับค่าสำหรับคุณสมบัติต่อไปนี้ตามเนื้อ: ความเฉื่อย ความสัมพันธ์ พลังงาน และเนื้อเดียวกัน ตารางที่ 2 แสดงการใช้สีและพื้นผิวลักษณะการทำงาน มันจะสังเกตได้ว่า การรวมกันของคุณลักษณะเหล่านี้สามารถแยก 4 ประเภทของใบเป็นโรคข้าวสาลี-S. R, MR, MS

ผลลัพธ์ (ไทย) 2:

ต่อไปเราจะใช้ช่วงเวลาที่สี [7] และคุณสมบัติเนื้อตาม [5] ในการวินิจฉัยชนิดของโรคในใบที่ติดเชื้อ โดยใช้เมทริกซ์ร่วมที่เกิดขึ้นเราได้รับค่าสำหรับคุณสมบัติเนื้อตามต่อไปนี้: ความเฉื่อยความสัมพันธ์พลังงานและเป็นเนื้อเดียวกัน ตารางที่ 2 แสดงให้เห็นถึงการใช้งานของสีและพื้นผิวคุณลักษณะ ก็สามารถที่จะตั้งข้อสังเกตว่าการรวมกันของคุณสมบัติเหล่านี้สามารถแยก 4 ประเภทของข้าวสาลีที่เป็นโรคใบ-R, MR, MS, เอส

ผลลัพธ์ (ไทย) 3:

ต่อไปเราจะใช้สีและพื้นผิวมีช่วงเวลา [ 7 ] [ 5 ] ตามการวินิจฉัยชนิดของโรค ในใบที่ติดเชื้อ การใช้เมทริกซ์ เราได้รับค่าเนื้อตามคุณสมบัติดังต่อไปนี้ : ความเฉื่อย , ความสัมพันธ์ , พลังงานและค่า . ตารางที่ 2 แสดงให้เห็นถึงการใช้คุณลักษณะสีและพื้นผิว พบว่า การรวมกันของคุณสมบัติเหล่านี้สามารถแยก 4 ประเภทที่ leaves-r สาลี , นาย , นางสาว , S .