This paper presents a complete mach

This paper presents a complete machine vision system for automatic descriptive sensory evaluation of meals. A human sensory panel
first developed a set of 72 sensory attributes describing the appearance of a prototypical meal, and then evaluated the intensities of those
attributes on a data set of 58 images of example meals. This data was then used both to train and validate the performance of the artificial
system. This system covers all stages of image analysis from pre-processing to pattern recognition, including novel techniques for enhancing
the segmentation of meal components and extracting image features that mimic the attributes developed by the panel. Artificial neural
networks were used to learn the mapping from image features to attribute intensity values. The results showed that the new system
was extremely good in learning and reproducing the opinion of the human sensory experts, achieving almost the same performance as the
panel members themselves.

ผลลัพธ์ (ไทย) 1:

เอกสารนี้แสดงวิสัยทัศน์ระบบเครื่องสมบูรณ์สำหรับอัตโนมัติอธิบายประเมินผลอาหาร แผงสัมผัสมนุษย์ก่อน พัฒนาชุดของคุณลักษณะทางประสาทสัมผัส 72 อธิบายลักษณะของอาหารสาขา และปลดปล่อยผู้ที่ถูกประเมินแล้วแอตทริบิวต์ในชุดข้อมูลของรูป 58 ตัวอย่างอาหาร ข้อมูลนี้ถูกใช้ทั้งการฝึก และตรวจสอบประสิทธิภาพของการประดิษฐ์ระบบ ระบบนี้ครอบคลุมทุกขั้นตอนการวิเคราะห์ภาพจากการประมวลผลล่วงหน้าการรู้จำรูปแบบ รวมถึงเทคนิคใหม่สำหรับการเพิ่มการแบ่งกลุ่มของส่วนประกอบอาหารและแยกลักษณะภาพที่เลียนแบบคุณลักษณะพัฒนาตาม สมองระบบประสาทใช้เครือข่ายการเรียนรู้การแมปจากภาพคุณลักษณะให้ค่าความเข้มของคุณลักษณะ ผลลัพธ์แสดงให้เห็นว่าระบบใหม่ดีมากในการเรียนรู้ และทำความเห็นของมนุษย์ทางผู้เชี่ยวชาญ เกือบจะตัวเดียวกันประสิทธิภาพการทำงานเป็นการสมาชิกของ panel เอง

ผลลัพธ์ (ไทย) 2:

บทความนี้นำเสนอระบบการมองเห็นเครื่องที่สมบูรณ์สำหรับการทดสอบทางประสาทสัมผัสโดยอัตโนมัติพรรณนาของอาหาร ประสาทสัมผัสของมนุษย์
คนแรกที่พัฒนาชุดของคุณลักษณะทางประสาทสัมผัส 72 อธิบายลักษณะของอาหารแม่บทและแล้วการประเมินความเข้มของบรรดา
คุณลักษณะในชุดข้อมูล 58 ภาพของอาหารตัวอย่างเช่น ข้อมูลนี้ถูกนำมาใช้ทั้งในการฝึกอบรมและตรวจสอบการปฏิบัติงานของเทียม
ระบบ ระบบนี้จะครอบคลุมทุกขั้นตอนของการวิเคราะห์ภาพจากก่อนการประมวลผลการรับรู้รูปแบบรวมทั้งเทคนิคใหม่สำหรับการเสริมสร้าง
การแบ่งส่วนของส่วนประกอบของอาหารและการสกัดองค์ประกอบภาพที่เลียนแบบแอตทริบิวต์ที่พัฒนาโดยแผง ประสาทเทียม
เครือข่ายถูกนำมาใช้ในการเรียนรู้การทำแผนที่จากคุณสมบัติที่ภาพเพื่อค่าแอตทริบิวต์เข้ม ผลการศึกษาพบว่าระบบใหม่
เป็นสิ่งที่ดีมากในการเรียนรู้และการทำซ้ำความเห็นของผู้เชี่ยวชาญด้านประสาทสัมผัสของมนุษย์บรรลุเกือบประสิทธิภาพการทำงานเช่นเดียวกับ
สมาชิกในแผงตัวเอง

ผลลัพธ์ (ไทย) 3:

บทความนี้นำเสนอวิสัยทัศน์ที่สมบูรณ์เครื่องระบบอัตโนมัติสำหรับอธิบายการยอมรับทางประสาทสัมผัสของอาหาร แผงด้านประสาทสัมผัสแรกพัฒนาชุด 72 และแอตทริบิวต์อธิบายลักษณะของอาหารธรรมดา และการประเมินความเข้มของเหล่านั้นคุณลักษณะในชุดข้อมูล 58 ภาพตัวอย่างอาหาร ข้อมูลนี้แล้วใช้ได้ทั้งรถไฟ และตรวจสอบการปฏิบัติงานของ ประดิษฐ์ระบบ ระบบนี้ครอบคลุมทุกขั้นตอนของการวิเคราะห์ภาพจากการประมวลผลเพื่อการจดจำรูปแบบ รวมถึงเทคนิคใหม่สำหรับเพิ่มการแบ่งส่วนของส่วนประกอบของอาหารและการแยกภาพลักษณะที่เลียนแบบลักษณะที่พัฒนาโดยแผง ประสาทเทียมเครือข่ายที่ใช้เพื่อเรียนรู้การทำแผนที่จากคุณลักษณะของภาพให้เข้มค่า ผลการศึกษาพบว่า ระบบใหม่มีมากในการเรียนรู้ และสร้างความคิดของมนุษย์และผู้เชี่ยวชาญบรรลุเกือบเดียวกันประสิทธิภาพเป็นสมาชิกเอง