Hardness is one of the major factor

Hardness is one of the major factors in determining the quality of dried fruits. It increases the chewiness
and toughness of the fruits. A robust quality assurance system is required for on-line grading of dried fruits
as the present manual methods are inconsistent, inaccurate and laborious. The objective of this study was
to determine the efficiency of a RGB color imaging technique to classify dates into three classes based on
hardness: hard, semi-hard and soft dates. Dates from three common varieties in Oman (Fard, Khalas and
Naghal) were used in this study (total 3300 samples). The RGB image of individual date sample was taken
by a CCD camera and analyzed using Matlab software. Thirty nine features (13 features in each R, G and
B channel) were extracted from each image and analyzed. Three classes (hard, semi-hard and soft) and
two classes (hard and soft (“semi-hard and soft” together as “soft”)) classification models were developed
using linear discriminant analysis (LDA) with all features and stepwise discriminant analysis (SDA) with
selected features (based on level of contribution to classification). In three classes approach, the overall
classification accuracy was 69%, 87% and 82% for Fard, Khalas and Naghal varieties, respectively, using LDA.
It was 68%, 86% and 81% for Fard, Khalas and Naghal varieties, respectively, using SDA. The classification
accuracy was improved in two classes approach. It was 84% (LDA) and 83% (SDA) for Fard, 90% (LDA)
and 91% (SDA) for Khalas, and 96% (both in LDA and SDA) for Naghal varieties. Imaging techniques have
great potential to develop on-line quality monitoring systems for dates based on hardness. However,
further studies are required using other image acquisition systems such as NIR cameras to improve the
classification.
© 2014 Elsevier B.V. All rights reserved

ผลลัพธ์ (ไทย) 1:

ความแข็งเป็นหนึ่งในปัจจัยสำคัญในการกำหนดคุณภาพของผลไม้แห้ง มันเพิ่มที่ chewinessและนึ่งของผลไม้ ระบบการประกันคุณภาพที่มีประสิทธิภาพจะต้องง่ายดายจัดเกรดของผลไม้แห้งเป็นวิธีการด้วยตนเองมีอยู่ไม่สอดคล้องกัน ไม่ถูกต้อง และลำบาก วัตถุประสงค์ของการศึกษานี้ได้การตรวจสอบประสิทธิภาพของเทคนิคเกี่ยวกับภาพสี RGB เพื่อจัดประเภทที่เป็นสามชั้นเรียนตามความแข็ง: วันยาก กึ่งแข็ง และอ่อน วันจากสามสายพันธุ์ทั่วไปในประเทศโอมาน (Fard, Khalas และNaghal) ใช้ในการศึกษานี้ (ตัวอย่าง 3300 รวม) ภาพ RGB ของตัวอย่างแต่ละวันถูกนำมาโดยกล้อง CCD และวิเคราะห์โดยใช้ Matlab ซอฟต์แวร์ ลักษณะการทำงานสามสิบเก้า (13 คุณลักษณะในแต่ละ R, G และช่องสัญญาณ B) ถูกแยกจากแต่ละภาพ และวิเคราะห์ สามชั้น (ยาก กึ่งแข็ง และอ่อน) และ2 ชั้น (แข็ง และอ่อน ("กึ่งแข็ง และอ่อน" รวมกันเป็น "นุ่ม")) ได้พัฒนารูปแบบการจัดประเภทใช้ discriminant เชิงวิเคราะห์ (LDA) ลักษณะการทำงานและการวิเคราะห์ stepwise discriminant (SDA) ด้วยคุณลักษณะที่เลือก (ตามระดับของเงินสมทบจัดประเภท) ในวิธีการสอนสาม โดยรวมประเภทแม่นยำได้ 69%, 87% และ 82% สำหรับ Fard, Khalas และ Naghal พันธุ์ ตามลำดับ ใช้ LDAได้ 68%, 86% และ 81% สำหรับ Fard, Khalas และ Naghal พันธุ์ ตามลำดับ ใช้ SDA การจัดประเภทความถูกต้องถูกปรับปรุงในวิธีการสอนสอง 84% (LDA) และ 83% (SDA) สำหรับ Fard, 90% (LDA)และ 91% (SDA) สำหรับ Khalas และ 96% (ทั้งใน LDA และ SDA) สำหรับพันธุ์ Naghal มีเทคนิคภาพศักยภาพที่ดีเพื่อพัฒนาระบบการตรวจสอบวันขึ้นอยู่กับความแข็งคุณภาพง่ายดาย อย่างไรก็ตามศึกษาเพิ่มเติม จะต้องใช้ระบบซื้อรูปอื่น ๆ เช่น NIR กล้องเพื่อปรับปรุงการจัดประเภทการ© 2014 Elsevier b.v สงวนลิขสิทธิ์ทั้งหมด

ผลลัพธ์ (ไทย) 2:

ความแข็งเป็นหนึ่งในปัจจัยที่สำคัญในการกำหนดคุณภาพของผลไม้แห้ง มันจะเพิ่มการเคี้ยว
และความทนทานของผลไม้ ระบบประกันคุณภาพที่มีประสิทธิภาพเป็นสิ่งจำเป็นสำหรับการจัดลำดับในสายของผลไม้แห้ง
เป็นวิธีการด้วยตนเองในปัจจุบันไม่สอดคล้องกันไม่ถูกต้องและลำบาก วัตถุประสงค์ของการศึกษาครั้งนี้มีวัตถุประสงค์
เพื่อตรวจสอบประสิทธิภาพของเทคนิคการถ่ายภาพสี RGB ที่จะจัดวันที่เป็นสามชั้นขึ้นอยู่กับ
ความแข็ง: แข็งกึ่งแข็งและวันที่อ่อนนุ่ม จากวันที่สามสายพันธุ์ที่พบบ่อยในโอมาน (ฝาด, Khalas และ
Naghal) ถูกนำมาใช้ในการศึกษานี้ (รวม 3,300 ตัวอย่าง) ภาพ RGB ของกลุ่มตัวอย่างแต่ละวันถูกนำมา
จากกล้อง CCD และวิเคราะห์โดยใช้ซอฟแวร์ Matlab สามสิบเก้าคุณสมบัติ (13 คุณสมบัติในแต่ละ R, G และ
ช่อง B) ถูกสกัดจากภาพแต่ละภาพและวิเคราะห์ สามชั้น (ยากกึ่งแข็งและอ่อน) และ
สองชั้น (แข็งและอ่อน ("กึ่งแข็งและอ่อน" รวมกันว่า "อ่อน")) รูปแบบการจัดหมวดหมู่ได้รับการพัฒนา
โดยใช้การวิเคราะห์จำแนกเชิงเส้น (LDA) ที่มีคุณสมบัติและขั้นตอนการจำแนก วิเคราะห์ (SDA) ด้วย
คุณสมบัติที่เลือก (ขึ้นอยู่กับระดับของการมีส่วนร่วมในการจัดหมวดหมู่) ในสามวิธีการเรียนโดยรวม
ความถูกต้องจำแนกเป็น 69%, 87% และ 82% สำหรับฝาด, Khalas และพันธุ์ Naghal ตามลำดับโดยใช้ LDA.
มันเป็น 68%, 86% และ 81% สำหรับฝาด, Khalas และพันธุ์ Naghal ตามลำดับ โดยใช้ SDA การจัดหมวดหมู่
ความถูกต้องได้รับการปรับปรุงในสองวิธีการเรียน มันเป็น 84% (LDA) และ 83% (SDA) สำหรับฝาด, 90% (LDA)
และ 91% (SDA) สำหรับ Khalas และ 96% (ทั้งในและ LDA SDA) สำหรับพันธุ์ Naghal เทคนิคการถ่ายภาพมี
ศักยภาพสูงในการพัฒนาคุณภาพในสายระบบการตรวจสอบสำหรับวันที่อยู่บนพื้นฐานของความแข็ง อย่างไรก็ตาม
การศึกษาต่อไปจะต้องใช้ระบบการควบรวมภาพอื่น ๆ เช่นกล้อง NIR เพื่อปรับปรุง
การจัดหมวดหมู่.
© 2014 Elsevier BV สงวนลิขสิทธิ์

ผลลัพธ์ (ไทย) 3:

ความกระด้างเป็นหนึ่งในปัจจัยที่สำคัญในการกำหนดคุณภาพของผลไม้แห้ง มันเพิ่ม (
และความทนทานของผลไม้ คุณภาพทนทาน ระบบประกันเป็นสิ่งจำเป็นสำหรับการออนไลน์ของผลไม้แห้งเป็นคู่มือวิธีการ
ปัจจุบันไม่สอดคล้องกันที่ไม่ถูกต้อง และลําบาก วัตถุประสงค์ของการศึกษานี้คือ
เพื่อศึกษาประสิทธิภาพของเทคนิคการถ่ายภาพสี RGB เพื่อจำแนกออกเป็น 3 ระดับ ตามช่อง
ความแข็ง : แข็ง กึ่งแข็ง และช่องที่อ่อนนุ่ม จากวันที่สามพันธุ์ทั่วไปในโอมาน ( ฝาดและคาลาส ,
naghal ) สถิติที่ใช้ในการศึกษานี้ ( รวม 3 คน ) RGB ภาพตัวอย่างวันที่บุคคลถ่าย
โดยกล้อง CCD และวิเคราะห์ข้อมูลโดยใช้โปรแกรม MATLAB .สามสิบเก้าคุณสมบัติ ( 13 คุณสมบัติในแต่ละ R , G :
b Channel ) สกัดจากภาพแต่ละภาพและวิเคราะห์ 3 ชั้น ( แข็ง กึ่งแข็งและอ่อน )
2 คลาส ( หนักและเบา ( " กึ่งแข็งและอ่อน " รวมกันเป็น " อ่อน " ) รูปแบบการพัฒนา
โดยใช้การวิเคราะห์โดยตรง ( lda ) ด้วยคุณสมบัติและการวิเคราะห์จำแนกประเภทแบบขั้นตอน ( SDA )
เลือกคุณสมบัติ ( ตามระดับของการสนับสนุนเพื่อการจำแนก ) ในชั้นสามวิธี ความถูกต้องของการจำแนกโดยรวม
คือ 69 เปอร์เซ็นต์ 87 และ 82 เปอร์เซ็นต์และฝาดคาลาส , naghal พันธุ์ ตามลำดับ การใช้ lda .
มันคือ 68% , 86 % และ 81% ฝาดและคาลาส , naghal พันธุ์ ตามลำดับ การใช้ SDA การจัดหมวดหมู่
ความถูกต้องดีขึ้นใน 2 ประเภทวิธีการมันเป็น 84% ( lda ) และ 83% ( SDA ) ฝาด 90% ( lda )
และ 91% ( SDA ) คาลาส และ 96% ( ทั้งในและ lda SDA ) สำหรับ naghal พันธุ์ เทคนิคการถ่ายภาพ มีศักยภาพที่จะพัฒนาคุณภาพ
ออนไลน์ตรวจสอบระบบสำหรับวันที่ตามความแข็ง อย่างไรก็ตาม การศึกษา
ต่อไปจะต้องใช้ระบบการซื้อภาพอื่น ๆเช่นกล้อง NIR เพื่อปรับปรุง

สงวนลิขสิทธิ์ 2014 ทั่วโลกนำเสนอการจำแนกสงวนสิทธิทั้งหมด