156 features including color,shape

156 features including color,
shape and texture features of each pest are extracted into
a SVM classifier with radial basis kernel function. The 7-
fold cross-validation is used to improve the accuracy rate
of identification. We tested 4 species from rice Lepidoptera
pests and achieved 97.5% average identification rate.

ผลลัพธ์ (ไทย) 1:

156 คุณลักษณะรวมทั้งสีลักษณะรูปร่างและพื้นผิวของแต่ละพืชจะแยกเป็นclassifier SVM มีฟังก์ชันเคอร์เนลพื้นฐานรัศมี 7-ใช้พับข้ามตรวจสอบเพื่อปรับปรุงอัตราความถูกต้องรหัส เราทดสอบ 4 ชนิดจากข้าวเจาะต้นศัตรูพืชและอัตรารหัสเฉลี่ย 97.5% ที่ทำได้

ผลลัพธ์ (ไทย) 2:

156 คุณสมบัติรวมทั้งสี
รูปร่างและคุณสมบัติพื้นผิวของศัตรูพืชแต่ละสกัดเป็น
ลักษณนาม SVM กับฟังก์ชันเคอร์เนลพื้นฐานรัศมี 7-
พับการตรวจสอบข้ามจะใช้ในการปรับปรุงอัตราความถูกต้อง
ของประชาชน เราได้ทดสอบ 4 ชนิดจากผีเสื้อข้าว
ศัตรูพืชและประสบความสำเร็จ 97.5% อัตราการประจำตัวประชาชนโดยเฉลี่ย

ผลลัพธ์ (ไทย) 3:

156 คุณสมบัติรวมทั้ง สี รูปร่าง และผิวสัมผัส คุณสมบัติของแต่ละคน

เป็น SVM ศัตรูพืชได้เป็นลักษณนามกับฟังก์ชันเคอร์เนลฐานรัศมี 7 -
โฟลดถูกใช้เพื่อปรับปรุงความถูกต้องของการระบุอัตรา
. เราทดสอบ 4 ชนิด จาก Lepidoptera
ศัตรูข้าวและความ 97.5 % อัตราการระบุ