This article presents an automatic

This article presents an automatic system for assessing water quality based on fish gills microscopic images. As fish gills are a
good biomarker for assessing water quality, the proposed system uses fish gills microscopic images in order to detect water
pollution. The proposed system consists of three phases; namely pre-processing, feature extraction, and classification phases.
Since the shape is the main characteristic of fish gills microscopic images, the proposed system uses shape feature based on edge
detection and wavelets transform for classifying the water-quality degree. Furthermore, it implemented Principal Components
Analysis (PCA) along with Support Vector Machines (SVMs) algorithms for feature extraction and water quality degree
classification. The datasets used for experiments were constructed based on real sample images for fish gills. Training dataset is
divided into four classes representing the different histopathological changes and the corresponding water quality degrees.
Experimental results showed that the proposed classification system has obtained water quality classification accuracy of
95.41%, using the SVMs linear kernel function and 10-fold cross validation with 37 images per class for training.

ผลลัพธ์ (ไทย) 1:

บทความนี้นำเสนอระบบอัตโนมัติสำหรับการประเมินคุณภาพน้ำอิงภาพด้วยกล้องจุลทรรศน์เหงือกปลา ปลาเหงือกเป็นการดีไบโอมาร์คเกอร์สำหรับการประเมินคุณภาพน้ำ เหงือกปลาใช้ระบบนำเสนอภาพด้วยกล้องจุลทรรศน์เพื่อตรวจสอบน้ำมลพิษ ระบบที่นำเสนอประกอบด้วยสามขั้นตอน คือก่อนการประมวลผล การสกัดคุณลักษณะ และขั้นตอนการจัดประเภทตั้งแต่รูปร่าง ลักษณะหลักของภาพด้วยกล้องจุลทรรศน์เหงือกปลา ระบบเสนอใช้คุณลักษณะรูปร่างบนขอบตรวจหาและ wavelets แปลงสำหรับการจัดประเภทระดับคุณภาพน้ำ นอกจากนี้ มันนำมาใช้ส่วนประกอบหลักการวิเคราะห์ (PCA) พร้อมกับสนับสนุนเครื่องเวกเตอร์ (SVMs) อัลกอริทึมสำหรับคุณลักษณะการสกัดและน้ำระดับคุณภาพการจัดประเภท ชุดข้อมูลที่ใช้สำหรับการทดลองถูกสร้างขึ้นตามภาพตัวอย่างแท้จริงสำหรับเหงือกปลา เป็นชุดข้อมูลการฝึกอบรมแบ่งออกเป็นสี่ชั้นแสดงถึงการเปลี่ยนแปลง histopathological ที่แตกต่างกันและองศาคุณภาพน้ำสอดคล้องกันผลการทดลองแสดงให้เห็นว่า ระบบการจัดประเภทที่เสนอได้รับความแม่นยำการจำแนกคุณภาพน้ำของ95.41% ด้วย SVMs ฟังก์ชันเคอร์เนลเชิงเส้นและการตรวจสอบข้าม 10-fold 37 ภาพต่อคลาสสำหรับการฝึกอบรม

ผลลัพธ์ (ไทย) 2:

บทความนี้นำเสนอระบบอัตโนมัติสำหรับการประเมินคุณภาพน้ำอยู่บนพื้นฐานของปลาเหงือกภาพกล้องจุลทรรศน์ ในฐานะที่เป็นเหงือกปลาเป็น
ตัวบ่งชี้ที่ดีสำหรับการประเมินคุณภาพน้ำระบบที่เสนอใช้เหงือกปลาภาพกล้องจุลทรรศน์เพื่อตรวจสอบน้ำ
มลพิษ ระบบที่นำเสนอประกอบด้วยสามขั้นตอน; คือก่อนการประมวลผลและการสกัดคุณลักษณะและขั้นตอนการจัดหมวดหมู่
เนื่องจากรูปร่างลักษณะหลักของเหงือกปลาภาพกล้องจุลทรรศน์ระบบที่เสนอใช้คุณลักษณะรูปร่างขึ้นอยู่กับขอบ
ตรวจสอบและเปลี่ยนแสงสำหรับการแบ่งประเภทของการศึกษาระดับปริญญาน้ำที่มีคุณภาพ นอกจากนี้ยังดำเนินการหลักส่วนประกอบ
Analysis (PCA) พร้อมด้วยการสนับสนุนเครื่องเวกเตอร์ (SVMs) ขั้นตอนวิธีการสกัดคุณลักษณะและระดับน้ำที่มีคุณภาพ
การจัดหมวดหมู่ ชุดข้อมูลที่ใช้ในการทดลองที่ถูกสร้างขึ้นบนพื้นฐานของภาพตัวอย่างที่แท้จริงสำหรับเหงือกปลา ชุดการฝึกอบรมจะ
แบ่งออกเป็นสี่ชั้นเป็นตัวแทนของการเปลี่ยนแปลงทางจุลพยาธิวิทยาที่แตกต่างกันและสอดคล้ององศาคุณภาพน้ำ
ผลการทดลองแสดงให้เห็นว่าระบบการจำแนกเสนอความถูกต้องได้รับการจำแนกคุณภาพน้ำ
95.41% โดยใช้ฟังก์ชั่น SVMs เคอร์เนลเชิงเส้นและการตรวจสอบข้าม 10 เท่ากับ 37 ภาพต่อระดับสำหรับการฝึกอบรม

ผลลัพธ์ (ไทย) 3:

บทความนี้นำเสนอโดยอัตโนมัติระบบประเมินคุณภาพน้ำตามเหงือกปลาด้วยภาพ เป็นครีบปลาเป็นไบโอมาร์คเกอร์สำหรับประเมินคุณภาพน้ำ ระบบนี้ใช้ปลาเหงือกด้วยภาพเพื่อตรวจสอบน้ำมลพิษ ระบบนี้ประกอบด้วยสามขั้นตอน ได้แก่ การสกัดและการประมวลผล , คุณลักษณะ , ขั้นตอนการจำแนกเพราะรูปร่างลักษณะของปลาเหงือกกล้องจุลทรรศน์ภาพ , ระบบที่ใช้คุณลักษณะรูปร่างตามขอบการตรวจหาและคลื่นที่เปลี่ยนแปลงข้อมูลคุณภาพน้ำระดับ นอกจากนี้ยังใช้ส่วนประกอบหลักการวิเคราะห์ ( PCA ) พร้อมด้วยเครื่องเวกเตอร์สนับสนุน ( แบบ ) ขั้นตอนวิธีสำหรับการสกัดคุณลักษณะและระดับคุณภาพน้ำการจำแนกประเภท ข้อมูลที่ใช้สำหรับการทดลองที่ผู้วิจัยได้สร้างขึ้นตามภาพตัวอย่างจริงสำหรับเหงือกปลา ข้อมูลการฝึกอบรมคือแบ่งออกเป็นสี่ประเภทที่แตกต่างกันของเซลล์และเป็นตัวแทนของการเปลี่ยนแปลงองศาคุณภาพน้ำที่สอดคล้องกันผลการทดลองแสดงให้เห็นว่า การเสนอการจำแนกระบบได้รับความถูกต้องของการจำแนกคุณภาพน้ำ95.41 % , ใช้เคอร์เนลฟังก์ชันเชิงเส้นและแบบ 10 โฟลดกับ 37 ภาพต่อชั้นเรียน .