There are many kinds of Thai herb species, so it very difficult to ide การแปล - There are many kinds of Thai herb species, so it very difficult to ide ไทย วิธีการพูด

There are many kinds of Thai herb s

There are many kinds of Thai herb species, so it very difficult to identify them all. The objective
of this research was to build a computer system that could recognize some Thai herb leaves, using a
process called the Thai herb leaf image recognition system (THLIRS). The system consisted of four
main components: 1) image acquisition, 2) image preprocessing, 3) recognition and 4) display of results.
In the image acquisition component, the system used a digital camera to take a leaf picture with white
paper as the background. A one-baht coin was photographed beside the leaf in order to provide a scale
for comparison. In the image preprocessing component, the system applied several image-processing
techniques to prepare a suitable image for the recognition process. In the recognition component, the
system extracted 13 features from the leaf image and used a k-nearest neighbor (k-NN) algorithm in the
recognition process. In the result display component, the system displayed the results of the classification.
The experiment involved 32 species of Thai herbs, with more than 1,000 leaf images. The system was
trained with 656 herb leaf images and was tested using 328 leaf images for a training dataset and 30 leaf
images for an untrained dataset. The precision rate of the THLIRS of the training dataset was 93.29,
5.18 and 1.53% for match, mismatch and unknown, respectively. Moreover, the precision rate of the
THLIRS of the untrained data set was 0, 23.33 and 76.67% for match, mismatch and unknown,
respectively
0/5000
จาก: -
เป็น: -
ผลลัพธ์ (ไทย) 1: [สำเนา]
คัดลอก!
มีหลายชนิดพันธุ์สมุนไพรไทย ดังนั้นมันยากมากที่จะระบุทั้งหมด วัตถุประสงค์งานวิจัยนี้คือการ สร้างระบบคอมพิวเตอร์ที่สามารถรับรู้บางใบสมุนไพร ใช้เป็นกระบวนการที่เรียกว่าระบบรู้จำภาพของใบสมุนไพร (THLIRS) ระบบประกอบด้วย 4ส่วนประกอบหลัก: 1) ภาพ ประมวลผลรูป 2) 3) การรับรู้ และ 4) แสดงผลในส่วนการซื้อภาพ ระบบการใช้กล้องดิจิตอลถ่ายรูปใบสีขาวกระดาษเป็นพื้นหลัง เหรียญบาทหนึ่งถ่ายข้างใบเพื่อให้เครื่องชั่งสำหรับการเปรียบเทียบกัน ในภาพที่ประมวลผลเบื้องต้นส่วนประกอบ ระบบที่ใช้ประมวลผลหลายเทคนิคการเตรียมรูปภาพที่เหมาะสมสำหรับกระบวนการรับรู้ ในคอมโพเนนต์การรู้ การระบบแยก 13 คุณสมบัติจากรูปใบไม้ และใช้อัลกอริทึม k ใกล้บ้าน (k-NN) ในการกระบวนการรับรู้ ในส่วนแสดงผล ระบบการแสดงผลของการจัดประเภทการทดลองที่เกี่ยวข้องกับ 32 สายพันธุ์ของสมุนไพรไทย ใบมากกว่า 1,000 ภาพ ระบบไม่656 สมุนไพรใบภาพการฝึกอบรม และทดสอบการใช้ภาพใบ 328 สำหรับชุดข้อมูลการฝึกอบรมและ 30 ใบรูปภาพสำหรับชุดข้อมูลได้รับการฝึกฝน อัตราความแม่นยำของ THLIRS ของชุดข้อมูลการฝึกอบรมได้ 93.295.18 และ 1.53% สำหรับการแข่งขัน ไม่ตรงกัน และไม่ รู้จัก ตามลำดับ นอกจากนี้ อัตราความแม่นยำของการTHLIRS ของชุดข้อมูลได้รับการฝึกฝนเป็น 0, 23.33 และ 76.67% สำหรับการแข่งขัน ไม่ตรงกัน และไม่ รู้จักตามลำดับ
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 2:[สำเนา]
คัดลอก!
มีหลายชนิดของสายพันธุ์สมุนไพรไทยมันเป็นเรื่องยากมากที่จะระบุพวกเขาทั้งหมดเพื่อ วัตถุประสงค์
คือการวิจัยครั้งนี้จะสร้างระบบคอมพิวเตอร์ที่สามารถรับรู้ใบสมุนไพรไทยบางชนิดโดยใช้
กระบวนการที่เรียกว่าระบบใบสมุนไพรการรับรู้ภาพไทย (THLIRS) ระบบประกอบด้วยสี่
องค์ประกอบหลัก: 1) การควบรวมภาพ 2) preprocessing ภาพ 3) การรับรู้และ 4) การแสดงผล
องค์ประกอบในการควบรวมภาพระบบที่ใช้กล้องดิจิตอลเพื่อถ่ายภาพใบที่มีสีขาว
กระดาษเป็นพื้นหลัง เหรียญหนึ่งบาทถูกถ่ายภาพข้างใบเพื่อให้ระดับ
สำหรับการเปรียบเทียบ ในองค์ประกอบภาพ preprocessing ระบบที่ใช้การประมวลผลภาพหลาย
เทคนิคในการเตรียมความพร้อมเป็นภาพที่เหมาะสมสำหรับกระบวนการการรับรู้ องค์ประกอบในการรับรู้ที่
ระบบสกัด 13 คุณสมบัติจากภาพใบและใช้ K-เพื่อนบ้านที่ใกล้ที่สุด (K-NN) ขั้นตอนวิธีการใน
ขั้นตอนการรับรู้ ในองค์ประกอบผลจอแสดงผลระบบแสดงผลของการจัดหมวดหมู่
การทดลองที่เกี่ยวข้องกับ 32 สายพันธุ์ของสมุนไพรไทยที่มีมากกว่า 1,000 ภาพใบ ระบบได้รับการ
ฝึกฝนกับ 656 ภาพใบสมุนไพรและได้รับการทดสอบโดยใช้ภาพ 328 ใบสำหรับชุดการฝึกอบรมและ 30 ใบ
ภาพสำหรับชุดข้อมูลที่ได้รับการฝึกฝน อัตราความแม่นยำของการ THLIRS ของชุดการฝึกอบรมเป็น 93.29,
5.18 และ 1.53% สำหรับการแข่งขันที่ไม่ตรงกันและไม่รู้จักตามลำดับ นอกจากนี้ยังมีอัตราความแม่นยำของ
THLIRS ของชุดข้อมูลที่ได้รับการฝึกฝนเป็น 0, 23.33 และ 76.67% สำหรับการแข่งขันที่ไม่ตรงกันและไม่รู้จัก
ตามลำดับ
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 3:[สำเนา]
คัดลอก!
มีหลายประเภทของชนิด สมุนไพร ไทย จึงยากที่จะระบุได้ทั้งหมด วัตถุประสงค์การวิจัยนี้มีวัตถุประสงค์ เพื่อสร้างระบบคอมพิวเตอร์ที่สามารถรับรู้บางสมุนไพรใบใช้กระบวนการที่เรียกว่าสมุนไพรใบภาพระบบการรับรู้ ( thlirs ) ประกอบด้วยสี่ส่วนประกอบหลัก : 1 ) ซึ่งภาพ 2 ภาพติดกัน ) 3 ) 4 ) การรับรู้และแสดงผลในการควบรวมภาพองค์ประกอบของระบบที่ใช้กล้องดิจิตอลถ่ายภาพกับใบสีขาวกระดาษพื้นหลัง เหรียญ 1 บาท ถ่ายข้างใบเพื่อให้ระดับสำหรับการเปรียบเทียบ ภาพในการเตรียมส่วนประกอบ ระบบประยุกต์การประมวลผลภาพหลายเทคนิคเพื่อเตรียมภาพที่เหมาะสมสำหรับกระบวนการรับรู้ ในการรับรู้องค์ประกอบระบบสกัด 13 คุณสมบัติจากภาพใบและใช้ขั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด ( k-nn ) ในกระบวนการการรับรู้ ในส่วนแสดงผล ระบบแสดงผลของการจำแนกการทดลองที่เกี่ยวข้อง 32 ชนิดของสมุนไพรไทย ที่มีมากกว่า 1 , 000 ใบภาพ ระบบ คือฝึกเรื่องสมุนไพรใบภาพและถูกทดสอบโดยใช้ 328 ใบภาพสำหรับการอบรมวันที่ 30 ใบข้อมูลภาพสำหรับมือใหม่ ความเท่ากันของ thlirs ของการฝึกอบรมเป็น 93.29 DataSet ,5.18 1.53 % และตรงกัน ตรงกัน และไม่รู้จัก ตามลำดับ นอกจากนี้ ความเท่ากันของthlirs ของกลุ่มชุดข้อมูลเป็น 0 เดียวกัน 76.67 และสำหรับการแข่งขัน ไม่ตรงกัน และไม่รู้จักตามลำดับ
การแปล กรุณารอสักครู่..
 
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.

Copyright ©2025 I Love Translation. All reserved.

E-mail: