normal rice seed as well as small r

normal rice seed as well as small rice seeds and large rice seeds are found. Computed threshold value in pixels of rice seeds is shown in Table III.
Particle classification: Classification identifies an unknown sample by comparing a set of its significant features to a set of features are compared that conceptually represent classes of known samples [14]. A particle classifier uses feature vectors to identify samples based on their shape. A color classifier uses color features to identify samples based on their color. Classification involves two phases: training and classifying. Training is a phase during which one teaches the machine vision software the types of samples one want to classify during the classifying phase. Training can be done on any number of samples to create a set of classes, which one later compare to unknown samples during the classifying phase. The classes are stored in a classifier file. Training might be a one-time process, or it might be an incremental process one repeat to add new samples to existing classes or to create several classes, thus broadening the scope of samples one want to classify. Classifying is a phase during which one’s custom machine vision application classifies an unknown sample in an inspection image into one of the classes one trained. The classifying phase classifies a sample according to how similar the sample features are to the same features of the trained samples. The need to classify is common in many machine vision applications. In this paper particle classification has been used three times to classify broken rice seeds, small rice seeds, normal rice seeds and large rice seeds. Fig. 5 shows particle classification step.

ผลลัพธ์ (ไทย) 1:

เมล็ดข้าวเมล็ด เป็นเล็กปกติข้าวและเมล็ดข้าวขนาดใหญ่ที่พบ คำนวณขีดจำกัดค่าพิกเซลของข้าวเมล็ดจะแสดงอยู่ในตาราง IIIการจำแนกอนุภาค: การจำแนกระบุตัวอย่างที่ไม่รู้จัก โดยการเปรียบเทียบความสำคัญของคุณสมบัติชุดของคุณสมบัติที่มีการเปรียบเทียบที่ทางแนวคิดแสดงระดับชั้นของกลุ่มตัวอย่างรู้จัก [14] การจำแนกอนุภาคใช้เวกเตอร์คุณสมบัติเพื่อระบุตัวอย่างตามรูปร่างของพวกเขา การจำแนกสีใช้สีคุณลักษณะระบุตัวอย่างตามสีของพวกเขา ระยะที่สองเกี่ยวข้องกับการจัดประเภท: การฝึกอบรม และจัดประเภท การฝึกอบรมเป็นขั้นตอนที่หนึ่งสอนวิสัยทัศน์ซอฟต์แวร์เครื่องชนิดของตัวอย่างที่หนึ่งต้องการจัดประเภทในระหว่างขั้นตอนการบด การฝึกอบรมสามารถทำได้บนตัวอย่างการสร้างชุดของชั้นเรียน ตัวอย่างที่เปรียบเทียบภายหลังหนึ่งที่ไม่รู้จักในระหว่างขั้นตอนการบด การเรียนจะถูกเก็บไว้ในไฟล์ลักษณนาม การฝึกอบรมอาจมีกระบวนการครั้งเดียว หรืออาจเป็นกระบวนการเพิ่มหนึ่งทำซ้ำ เพื่อเพิ่มใหม่อย่างการเรียนที่มีอยู่ หรือสร้างหลายชั้นเรียน จึง ขยายขอบเขตของตัวอย่างที่หนึ่งต้องการจัดประเภท จำแนกเป็นขั้นตอนหนึ่งในช่วงที่กำหนดเองเครื่องมองเห็นโปรแกรมประยุกต์จัดประเภทตัวอย่างที่ไม่รู้จักในการตรวจสอบภาพเป็นหนึ่งในชั้นเรียนหนึ่งที่ผ่านการฝึกอบรม ขั้นตอนการจำแนกจัดประเภทตัวอย่างตามการคล้ายคลึงคุณลักษณะอย่างมีคุณลักษณะเดียวกันตัวอย่างที่ผ่านการฝึกอบรม ต้องจัดประเภทเป็นปกติวิสัยทัศน์งานเครื่อง ในอนุภาคนี้กระดาษ ประเภทถูกใช้ 3 ครั้งเพื่อจัดประเภทเมล็ดข้าวหัก เมล็ดข้าวเล็ก เมล็ดข้าวปกติ และเมล็ดข้าวขนาดใหญ่ รูปที่ 5 แสดงขั้นตอนการจำแนกอนุภาค

ผลลัพธ์ (ไทย) 2:

เมล็ดพันธุ์ข้าวตามปกติเช่นเดียวกับเมล็ดข้าวขนาดเล็กและเมล็ดข้าวขนาดใหญ่ที่พบ ค่าเกณฑ์คำนวณได้ในพิกเซลของเมล็ดข้าวจะแสดงในตารางที่ III.
การจัดหมวดหมู่ของอนุภาค: การจำแนกประเภทระบุตัวอย่างที่ไม่รู้จักโดยการเปรียบเทียบชุดของคุณลักษณะที่สำคัญของชุดของคุณสมบัติที่จะเปรียบเทียบแนวคิดแทนชั้นเรียนของกลุ่มตัวอย่างที่รู้จักกัน [14] ลักษณนามอนุภาคใช้เวกเตอร์คุณลักษณะการระบุตัวอย่างขึ้นอยู่กับรูปร่างของพวกเขา ลักษณนามสีใช้คุณสมบัติสีเพื่อแจ้งตัวอย่างขึ้นอยู่กับสีของพวกเขา การจัดหมวดหมู่ที่เกี่ยวข้องกับสองขั้นตอนการฝึกอบรมและการจัดหมวดหมู่ การฝึกอบรมเป็นระยะในช่วงที่หนึ่งสอนวิสัยทัศน์ซอฟต์แวร์เครื่องประเภทตัวอย่างหนึ่งที่ต้องการที่จะจัดในระหว่างขั้นตอนการจำแนกประเภท การฝึกอบรมสามารถทำได้ในจำนวนตัวอย่างใด ๆ ที่จะสร้างชุดของชั้นเรียนที่หนึ่งต่อมาเปรียบเทียบกับตัวอย่างที่ไม่รู้จักในระหว่างขั้นตอนการจำแนกประเภท เรียนจะถูกเก็บไว้ในแฟ้มลักษณนาม การฝึกอบรมอาจจะเป็นกระบวนการหนึ่งครั้งหรือมันอาจจะมีการเพิ่มขึ้นหนึ่งกระบวนการทำซ้ำเพื่อเพิ่มตัวอย่างใหม่ในการเรียนที่มีอยู่หรือการสร้างหลายชั้นจึงขยายขอบเขตของตัวอย่างหนึ่งต้องการที่จะจำแนก จำแนกเป็นขั้นตอนในระหว่างที่มีการประยุกต์ใช้เครื่องวิสัยทัศน์ที่กำหนดเองหนึ่งของ classifies ตัวอย่างที่ไม่รู้จักในภาพการตรวจสอบเป็นหนึ่งในชั้นเรียนหนึ่งที่ผ่านการฝึกอบรม ขั้นตอนการจำแนกแยกประเภทตัวอย่างตามวิธีการที่คล้ายกันคุณสมบัติตัวอย่างที่มีคุณสมบัติเดียวกันของกลุ่มตัวอย่างที่ได้รับการฝึกฝนที่ จำเป็นที่จะต้องจำแนกเป็นเรื่องธรรมดาในการใช้งานเครื่องวิสัยทัศน์จำนวนมาก ในกระดาษนี้การจัดหมวดหมู่ของอนุภาคมีการใช้สามครั้งเพื่อแยกประเภทเมล็ดข้าวหักเมล็ดข้าวขนาดเล็ก, เมล็ดข้าวปกติและเมล็ดข้าวขนาดใหญ่ มะเดื่อ. 5 แสดงขั้นตอนการจัดหมวดหมู่ของอนุภาค