A color vision sorter capable of pe

A color vision sorter capable of performing full
color spectral sorting of different varieties of fruits and
vegetables including apples, peaches, tomatoes and
citrus was developed for color, size and shape, with a
capacity of up to 44 tons per hour [11]. However, much
of the above work had not been used in commercial
apple sorting systems because of the constraints in
speed, accuracy and flexibility. Correct classification
rates (CCR) were calculated from the confusion matrix.
The overall accuracy was 94 %.Three methods were
discussed for apple size determination by applying
known geometrical models [12]. A simplified Machine
vision system was developed for estimating size of
pomegranates [13]. It allows the estimation of volume,
surface area and weight of fruit using prediction
equations developed from the relationship between
projected area, shape and size. An automatic detection
system for finding out surface quality parameters and
defects of fruits like apples was designed [14].But this
paper mainly deals with mechanical aspects. Image
processing method with the disk approximation
technique was employed to estimate the volume of
cantaloupes of varying sizes from sets of two surface
images captured with a digital camera [15]. Algorithm to
grade papaya samples according to their size using
estimated weight information with 90% classification
accuracy was reported [16].A technique was developed
using fuzzy sets to correlate the attributes of size, color,
shape and abnormalities, obtained from tomato images,
with the inner quality of the tomato samples [17].

ผลลัพธ์ (ไทย) 1:

เรียงลำดับเป็นวิสัยทัศน์สีความสามารถในการดำเนินการเต็มรูปแบบสีเรียงลำดับสเปกตรัมของผลไม้หลากหลายชนิด และผักรวมถึงแอปเปิ้ล ลูกพีช มะเขือเทศ และส้มได้รับการพัฒนาสำหรับสี ขนาด และรูป ร่าง มีการความจุสูงถึง 44 ตันต่อชั่วโมง [11] อย่างไรก็ตาม มากของการทำงานข้างต้นไม่ได้มาใช้ในเชิงพาณิชย์การจัดเรียงเนื่องจากข้อจำกัดในแอปเปิ้ลความเร็ว ความแม่นยำ และความยืดหยุ่น การจัดประเภทที่ถูกต้องราคาพิเศษ (CCR) ถูกคำนวณจากเมทริกซ์ความสับสนความถูกต้องโดยรวมเป็น 94% มีสามวิธีกล่าวสำหรับการกำหนดขนาดของ apple โดยใช้รูปเรขาคณิตรู้จัก [12] เครื่องง่ายวิสัยทัศน์ระบบถูกพัฒนาสำหรับการประมาณขนาดของทับทิม [13] ทำให้การประเมินของระดับเสียงพื้นที่ผิวและน้ำหนักของผลไม้ที่ใช้การคาดเดาสมการที่พัฒนาจากความสัมพันธ์ระหว่างคาดการณ์พื้นที่ รูปร่าง และขนาด การตรวจหาอัตโนมัติระบบสำหรับการหาพารามิเตอร์คุณภาพพื้นผิว และข้อบกพร่องของผลไม้เหมือนแอปเปิ้ลออกแบบ [14] แต่ตอนนี้กระดาษส่วนใหญ่เกี่ยวข้องกับด้านเครื่องกล รูปภาพวิธีการประมวลผลประมาณดิสก์ด้วยเทคนิคถูกจ้างประเมินระดับcantaloupes ขนาดแตกต่างจากชุดของพื้นผิวสองภาพที่ถ่าย ด้วยกล้องดิจิตอล [15] อัลกอริทึมการตัวอย่างมะละกอเกรดตามการใช้ขนาดของพวกเขาข้อมูลประมาณการน้ำหนักที่กว่า 90%แม่นยำแก้ไขรายงาน [16] เทคนิคได้รับการพัฒนาตั้งค่าโดยใช้เลือนจะเชื่อมโยงแอตทริบิวต์ของขนาด สีรูปร่างและความผิดปกติ ได้จากรูปภาพมะเขือเทศมีคุณภาพ inner ตัวอย่างมะเขือเทศ [17]

ผลลัพธ์ (ไทย) 2:

ตัวเรียงลำดับการมองเห็นสีที่มีความสามารถในการดำเนินการเต็มรูปแบบ
การเรียงลำดับสเปกตรัมสีของพันธุ์ที่แตกต่างของผลไม้และ
ผักรวมทั้งแอปเปิ้ล, พีช, มะเขือเทศและ
ส้มได้รับการพัฒนาสีขนาดและรูปร่างที่มี
ความจุได้ถึง 44 ตันต่อชั่วโมง [11] แต่มาก
ของการทำงานดังกล่าวข้างต้นไม่ได้ถูกนำมาใช้ในเชิงพาณิชย์
แอปเปิ้ลเรียงลำดับระบบเนื่องจากข้อ จำกัด ใน
ความเร็วความถูกต้องและมีความยืดหยุ่น การจัดหมวดหมู่ที่ถูกต้อง
อัตรา (CCR) จะถูกคำนวณจากเมทริกซ์ความสับสน.
ความถูกต้องโดยรวม 94% วิธีการ .Three ถูก
กล่าวถึงในการกำหนดขนาดของแอปเปิ้ลโดยการประยุกต์ใช้
เป็นที่รู้จักในรูปแบบเรขาคณิต [12] เครื่องง่าย
ระบบการมองเห็นได้รับการพัฒนาสำหรับการประเมินขนาดของ
ผลทับทิม [13] จะช่วยให้การประมาณของปริมาณที่
พื้นที่ผิวและน้ำหนักของผลไม้โดยใช้ทำนาย
สมการพัฒนามาจากความสัมพันธ์ระหว่าง
พื้นที่ที่คาดการณ์รูปร่างและขนาด ตรวจหาอัตโนมัติ
ของระบบสำหรับการหาพารามิเตอร์ที่มีคุณภาพพื้นผิวและ
ข้อบกพร่องของผลไม้เช่นแอปเปิ้ได้รับการออกแบบ [14] .But นี้
กระดาษส่วนใหญ่เกี่ยวข้องกับด้านวิศวกรรม ภาพ
วิธีการประมวลผลด้วยดิสก์ประมาณ
เทคนิคถูกจ้างมาเพื่อประเมินปริมาณของ
แคนตาลูปที่มีขนาดที่แตกต่างจากชุดของทั้งสองพื้นผิว
ภาพที่ถ่ายด้วยกล้องดิจิตอล [15] ขั้นตอนวิธี
ตัวอย่างมะละกอเกรดตามขนาดของตนโดยใช้
ข้อมูลน้ำหนักประมาณกับการจัด 90%
ความถูกต้องได้รับการรายงาน [16] ลวด Cored Metallurgical เทคนิคได้รับการพัฒนา
โดยใช้ชุดเลือนความสัมพันธ์ลักษณะของขนาด, สีที่
รูปร่างและความผิดปกติที่ได้รับจากภาพมะเขือเทศ
กับ คุณภาพภายในของตัวอย่างมะเขือเทศ [17]

ผลลัพธ์ (ไทย) 3:

สีวิสัยทัศน์เรียงลำดับความสามารถของการแสดงเต็มรูปแบบสีสเปกตรัม การเรียงลำดับของสายพันธุ์ที่แตกต่างกันของผลไม้และผักรวม แอปเปิ้ล ลูกพีช และมะเขือเทศส้มได้รับการพัฒนาสำหรับสี , ขนาดและรูปร่าง กับความจุสูงสุดถึง 45 ตันต่อชั่วโมง [ 11 ] อย่างไรก็ตาม มากของงานข้างต้นได้ถูกใช้ในเชิงพาณิชย์แยกระบบ Apple เพราะข้อจำกัดในความเร็ว ความแม่นยำ และความยืดหยุ่น หมวดหมู่ที่ถูกต้องอัตรา ( CCR ) คำนวณจากความสับสนเมทริกซ์ความถูกต้องโดยรวม ร้อยละ 94 3 วิธีคือกล่าวถึงการกำหนดขนาดแอปเปิ้ลโดยการใช้รู้จักทางเรขาคณิตรูปแบบ [ 12 ] แบบเครื่องวิสัยทัศน์ระบบที่พัฒนาขึ้นเพื่อการประมาณขนาดของทับทิม [ 13 ] มันช่วยให้ประมาณปริมาณพื้นที่ผิวและน้ำหนักของผลไม้ที่ใช้ทำนายพัฒนาขึ้นจากสมการความสัมพันธ์ระหว่างพื้นที่โครงการ ขนาด รูปร่าง การตรวจหาอัตโนมัติระบบสำหรับการหาพารามิเตอร์คุณภาพของพื้นผิวข้อบกพร่องของผลไม้เช่นแอปเปิ้ลได้รับการออกแบบ [ 14 ] แต่นี้กระดาษส่วนใหญ่เกี่ยวข้องกับด้านเครื่องกล ภาพกระบวนการแปรรูปกับดิสก์ประมาณเทคนิคที่ใช้ในการประเมินปริมาณแคนตาลูปของขนาดที่แตกต่างจากชุดที่สองผิวบันทึกภาพด้วยกล้องดิจิตอล [ 15 ] ขั้นตอนวิธีเกรดมะละกอตัวอย่างตามขนาดใช้การจำแนกข้อมูลที่มีน้ำหนักประมาณ 90%ความถูกต้องรายงาน [ 16 ] . เทคนิคที่ถูกพัฒนาขึ้นการใช้ชุดฟัซซี่ในความสัมพันธ์ของคุณลักษณะของขนาด สีรูปร่างผิดปกติได้จากรูปมะเขือเทศกับคุณภาพภายในของตัวอย่างมะเขือเทศ [ 17 ]