Comparison of the performance ACS w

Comparison of the performance ACS with human expert is presented in Table 2 in the form of confusion matrix. As shown, the developed ACS had 89.2% accuracy in determining the desired working conditions for the whitening machine. The accuracy of the image processing unit in determination of DOM and PBK indices was equal to 92.6% and 97.7%, respectively. In recent years, several researchers have worked on grading of agricultural products based on their quality using intelligent systems. Alavi (2013) developed a fuzzy-logic-based model to grade dates using Mamdani fuzzy inference system. The input parameters for the system were the information obtained from image processing in the form of two indices: length and freshness. They reported the accuracy of the system to be 91%. A similar system was developed by Dehrouyeh et al. (2010) for egg classification based on damages. The results showed that the accuracy of the model in identification of clean, low dirt and high dirt eggs was equal to 86%, 83%, 88%, respectively.

ผลลัพธ์ (ไทย) 1:

เปรียบเทียบประสิทธิภาพ ACS มีมนุษย์ผู้เชี่ยวชาญแสดงในตารางที่ 2 ในรูปของเมตริกซ์ความสับสน แสดง ACS พัฒนา 89.2% ความแม่นยำในการกำหนดสภาพการทำงานที่ต้องการสำหรับเครื่องฟอกสีฟันได้ ความถูกต้องของหน่วยประมวลผลภาพในการกำหนดดัชนี DOM และ PBK ถูกเท่ากับ 92.6% และ 97.7% ตามลำดับ ในปีล่าสุด นักวิจัยต่าง ๆ ได้ทำงานบนการคัดเกรดสินค้าเกษตรตามคุณภาพของพวกเขาใช้ระบบอัจฉริยะ Alavi (2013) ได้พัฒนาแบบเลือนตรรกะขึ้นวันเกรดใช้ระบบเลือนข้อ Mamdani พารามิเตอร์ป้อนเข้าสำหรับระบบข้อมูลที่ได้จากการประมวลผลภาพในรูปแบบของดัชนีที่สอง: ความยาวและความสดใหม่ พวกเขารายงานความถูกต้องของระบบเป็น 91% ระบบคล้ายกันถูกพัฒนาโดย Dehrouyeh et al. (2010) สำหรับประเภทไข่ตามความเสียหาย ผลลัพธ์แสดงให้เห็นว่า ความถูกต้องของแบบจำลองในรหัสต่ำ สะอาดคราบฝุ่นและสิ่งสกปรกสูงไข่ถูกเท่ากับ 88% 83%, 86% ตามลำดับ

ผลลัพธ์ (ไทย) 2:

การเปรียบเทียบผลการดำเนินงานของเอซีเอสกับผู้เชี่ยวชาญของมนุษย์จะนำเสนอในตารางที่ 2 ในรูปแบบของความสับสนเมทริกซ์ ตามที่ปรากฏที่พัฒนาเอซีเอสมีความถูกต้อง 89.2% ในการกำหนดเงื่อนไขการทำงานที่ต้องการสำหรับเครื่องฟอกสีฟัน ความถูกต้องของหน่วยประมวลผลภาพในความมุ่งมั่นของ DOM และ PBK ดัชนีเท่ากับ 92.6% และ 97.7% ตามลำดับ ในปีที่ผ่านมานักวิจัยหลายคนได้ทำงานในการจัดลำดับของผลิตภัณฑ์ทางการเกษตรขึ้นอยู่กับคุณภาพของตนโดยใช้ระบบอัจฉริยะ Alavi (2013) การพัฒนารูปแบบเลือนตรรกะที่ใช้ให้เป็นวันที่ใช้เก​​รด Mamdani ระบบอนุมานฟัซซี พารามิเตอร์การป้อนข้อมูลในระบบได้ข้อมูลที่ได้รับจากการประมวลผลภาพในรูปแบบของทั้งสองดัชนี: ความยาวและความสดใหม่ พวกเขาได้รายงานความถูกต้องของระบบที่จะเป็น 91% ระบบที่คล้ายกันได้รับการพัฒนาโดย Dehrouyeh et al, (2010) สำหรับการจำแนกไข่อยู่บนพื้นฐานของความเสียหาย ผลการศึกษาพบว่าความถูกต้องของรูปแบบในตัวของการทำความสะอาดสิ่งสกปรกและสิ่งสกปรกต่ำสูงไข่เท่ากับ 86%, 83%, 88% ตามลำดับ

ผลลัพธ์ (ไทย) 3:

การเปรียบเทียบประสิทธิภาพ ACS ด้วยผู้เชี่ยวชาญมนุษย์ได้แสดงไว้ในตารางที่ 2 ในรูปแบบของความสับสนเมทริกซ์ ที่แสดงการพัฒนาการวินิจฉัยมีความถูกต้อง 89.2 % ในการกำหนดสภาพที่ต้องการให้ผิวขาวเครื่องจักร ความถูกต้องของหน่วย ประมวลผลภาพในความมุ่งมั่นของ ดอม และ pbk ดัชนีเท่ากับ 92.6 % และ 97.7 ตามลำดับ ใน ปี ล่าสุด นักวิจัยหลายทำงานในการให้คะแนนของผลิตภัณฑ์การเกษตรตามคุณภาพของพวกเขาด้วยระบบอัจฉริยะ alavi ( 2013 ) ได้พัฒนาตามแบบฟัซซี่โดยใช้ระบบอนุมานฟัซซีเกรดวันที่แมมดานิ . การป้อนพารามิเตอร์สำหรับระบบเป็นข้อมูลที่ได้จากการประมวลผลข้อมูลภาพในรูปแบบของทั้งสองดัชนีความยาว และความสดชื่น พวกเขารายงานความถูกต้องของระบบเป็น 91% ระบบที่คล้ายกันได้รับการพัฒนาโดย dehrouyeh et al . ( 2010 ) ประเภทไข่ตามความเสียหาย ผลการศึกษาพบว่า ความถูกต้องของแบบจำลองในการทำความสะอาดสิ่งสกปรกและสิ่งสกปรกที่มีไข่สูงเท่ากับ 86% , 83% , 88 เปอร์เซ็นต์ ตามลำดับ