was 92.86%, 85.71%, 87.00%, 87.62%

was 92.86%, 85.71%, 87.00%, 87.62% and 95.96%, respectively.
Specificity represents the FIS ability to exclude a
class correctly. The FIS specificity parameter in classification
of VB, B, M, G and VG grades was respectively equal
to 97.75%, 96.00%, 96.75%, 98.00% and 98.75%. The accuracy
of the developed FIS in quality grading of milled rice
samples into VB, B, M, G, and VG classes was 91%, 84%,
87%, 92%, and 95%, respectively, which shows good performance.
Some noises involved with illumination system
and also non-uniformity in the kernels’ whiteness were
the possible reasons for classification errors resulting in
less than perfect performance. Some of these errors could
be corrected and others were unavoidable. However, the
high accuracy values obtained by the developed FIS shows
its capability to be used in the form of a control system for
online quality grading of processed milled rice.
4. Conclusions
In this study, a combinative intelligent method based
on image processing and fuzzy logic was developed as a
decision-aid system for quality grading of milled rice. Considering
the combination of input fuzzy membership functions,
25 rules were created in the fuzzy inference system
rule base using the AND logic operator. In order to evaluate
the performance of the developed model, results of quality
grading of milled rice samples by the developed system
were compared to those of human experts. The results
showed that there is an overall confidence of 89.80% comparing
the results obtained from the model and the
experts’ judgments. The FIS total sensitivity and specificity
for quality grading of milled rice into five classes of VB, B,
M, G, and VG was equal to 89.83% and 97.45%, respectively.
Based on the results obtained here, it can be concluded that
the developed hybrid intelligent system can be utilized for
automatic grading of milled rice in the processing industry.

ผลลัพธ์ (ไทย) 1:

เป็น 92.86%, 85.71%, 87.00%, 87.62% และ 95.96% ตามลำดับSpecificity แทน FIS สามารถแยกออกเป็นเรียนได้อย่างถูกต้อง FIS specificity พารามิเตอร์ในการจัดประเภทของ VB, B, M, G และ VG เกรดได้เท่าตามลำดับการ 97.75%, 96.00%, 96.75%, 98.00% และ 98.75% ความถูกต้องของ FIS พัฒนาในการคัดคุณภาพของข้าวสารตัวอย่างในชั้นเรียน VB, B, M, G และ VG ได้ 91%, 84%87%, 92% และ 95% ตามลำดับ ซึ่งแสดงประสิทธิภาพที่ดีขึ้นเสียงบางอย่างเกี่ยวข้องกับระบบแสงสว่างและยัง ไม่ใช่รื่นรมย์ในของเมล็ดขาวการจัดประเภทข้อผิดพลาดที่เกิดขึ้นในประการประสิทธิภาพเหมาะสมน้อยกว่า บางส่วนของข้อผิดพลาดเหล่านี้สามารถแก้ไขและผู้หลีกเลี่ยงไม่ อย่างไรก็ตาม การค่าความแม่นยำสูง โดยแสดง FIS พัฒนาความสามารถที่จะใช้ในรูปแบบของระบบการควบคุมคัดคุณภาพออนไลน์ของประมวลผลข้าวสาร4. บทสรุปในการศึกษานี้ ใช้วิธีฉลาด combinativeในภาพ พร่าเลือน และประมวลผลตรรกะถูกพัฒนาเป็นการระบบช่วยตัดสินใจในการคัดคุณภาพของข้าวสาร พิจารณาชุดของฟังก์ชันสมาชิกอินพุตเอิบสร้างขึ้นในระบบ fuzzy ข้อ 25 กฎกฎพื้นฐานที่ใช้ตัวดำเนินการตรรกะและ เพื่อประเมินประสิทธิภาพของรูปแบบพัฒนา ผลของคุณภาพการจัดเกรดของตัวอย่างข้าวสาร โดยระบบพัฒนาได้เปรียบเทียบผู้เชี่ยวชาญมนุษย์ ผลลัพธ์พบว่า มีความมั่นใจของ 89.80% เปรียบเทียบผลลัพธ์ที่ได้จากแบบจำลองและคำพิพากษาผู้เชี่ยวชาญด้านการ FIS รวมไวและ specificityการจัดเกรดคุณภาพของข้าวสารในชั้นห้าของ VB, BM, G และ VG ได้เท่ากับ 89.83% และ 97.45% ตามลำดับขึ้นอยู่กับผลได้รับที่นี่ มันสามารถสรุปได้ที่ไฮบริดพัฒนาระบบอัจฉริยะที่สามารถใช้สำหรับอัตโนมัติการจัดเกรดของข้าวสารในอุตสาหกรรมแปรรูป

ผลลัพธ์ (ไทย) 2:

เป็น 92.86%, 85.71%, 87.00%, 87.62% และ 95.96% ตามลำดับ. จำเพาะแสดงให้เห็นถึงความสามารถในสถาบันการเงินยกเว้นระดับได้อย่างถูกต้อง พารามิเตอร์ที่เฉพาะเจาะจงสถาบันการเงินในการจำแนกประเภทของ VB, B, M, G และเกรด VG ตามลำดับเป็นเท่ากับไป97.75%, 96.00%, 96.75%, 98.00% และ 98.75% ความถูกต้องของการพัฒนาสถาบันการเงินในการจัดลำดับคุณภาพของข้าวสารตัวอย่างลงในVB, B, M, G, และการเรียน VG เป็น 91%, 84%, 87%, 92% และ 95% ตามลำดับซึ่งแสดงให้เห็นถึงประสิทธิภาพที่ดี. บางคน เสียงที่เกี่ยวข้องกับระบบไฟส่องสว่างและที่ไม่สม่ำเสมอในเมล็ดขาว'เป็นเหตุผลที่เป็นไปได้สำหรับข้อผิดพลาดที่เกิดขึ้นในการจัดหมวดหมู่น้อยกว่าประสิทธิภาพที่สมบูรณ์แบบ บางส่วนของข้อผิดพลาดเหล่านี้อาจได้รับการแก้ไขและคนอื่น ๆ ก็หลีกเลี่ยงไม่ได้ อย่างไรก็ตามค่าความแม่นยำสูงที่ได้รับการพัฒนาโดยสถาบันการเงินแสดงให้เห็นถึงความสามารถในการที่จะใช้ในรูปแบบของระบบการควบคุมสำหรับการจัดลำดับคุณภาพของการประมวลผลออนไลน์ข้าวสาร. 4 สรุปผลการวิจัยในการศึกษานี้เป็นวิธีการที่ชาญฉลาดรวมกับที่ใช้ในการประมวลผลภาพและตรรกศาสตร์รับการพัฒนาเป็นระบบการตัดสินใจการช่วยเหลือการจัดลำดับคุณภาพของข้าวสาร พิจารณาการรวมกันของฟังก์ชั่นการป้อนข้อมูลสมาชิกเลือน, 25 กฎที่ถูกสร้างขึ้นในระบบอนุมานฟัซซีฐานกฎการใช้ตรรกะและผู้ประกอบการ เพื่อประเมินประสิทธิภาพของรูปแบบการพัฒนาผลการคุณภาพการจัดลำดับของกลุ่มตัวอย่างข้าวสารโดยระบบที่พัฒนาขึ้นมาเปรียบเทียบกับของผู้เชี่ยวชาญของมนุษย์ ผลการศึกษาพบว่ามีความเชื่อมั่นโดยรวมของ 89.80% เมื่อเทียบผลที่ได้จากแบบจำลองและการตัดสินของผู้เชี่ยวชาญ ความไวรวมสถาบันการเงินและความจำเพาะสำหรับการจัดลำดับคุณภาพของข้าวสารเป็นห้าชั้นของ VB, B, M, G, และร้านชำเท่ากับ 89.83% และ 97.45% ตามลำดับ. ขึ้นอยู่กับผลที่ได้รับที่นี่ก็สามารถสรุปได้ว่าพัฒนาระบบอัจฉริยะไฮบริดสามารถใช้สำหรับการจัดลำดับอัตโนมัติของข้าวสารในอุตสาหกรรมการประมวลผล

ผลลัพธ์ (ไทย) 3:

เป็นฉบับร้อยละ 85.71 ร้อยละ 87.00 บาท 87.62 % และ 95.96 ตามลำดับ แสดงถึงความสามารถในการตรวจหาชื่อ

ไม่รวมชั้นเรียนได้อย่างถูกต้อง มีความจำเพาะในการปรับพารามิเตอร์ของ VB
, B , M , G และเกรด VG คือตามลำดับเท่ากัน
เพื่อ 97.75 ร้อยละ 96.00 เปอร์เซ็นต์ 96.75 % , 98 % และ 98.75 % ความถูกต้องของสถาบันการเงินในการพัฒนา

ตัวอย่างข้าวบดลงใน VB , B , M , G และชั้นคุณภาพ 2 เป็นร้อยละ 91 , 84 %
87 , 92% และ 95% ตามลำดับ ซึ่งแสดงให้เห็นถึงประสิทธิภาพที่ดี .
เสียงที่เกี่ยวข้องกับระบบแสงสว่าง และนอกจากนี้ในเมล็ดประกอบ

' ความขาวคือเหตุผลที่เป็นไปได้สำหรับประเภทข้อผิดพลาดที่เกิดใน
ประสิทธิภาพน้อยกว่าที่สมบูรณ์แบบ บางส่วนของข้อผิดพลาดเหล่านี้อาจได้รับการแก้ไขและคนอื่น
ย่อม อย่างไรก็ตาม
ความแม่นยำสูงได้ โดยพัฒนาคณะแสดง
ความสามารถที่จะใช้ในรูปแบบของระบบการควบคุมสำหรับ
ออนไลน์คุณภาพเกรดแปรรูปข้าวสาร .
4 สรุป
ในการศึกษานี้ รวมกับฉลาดโดยวิธีการ
ในการประมวลผลภาพและฟัซซี่ลอจิกถูกพัฒนาเป็นระบบช่วยการตัดสินใจสำหรับการ
ข้าวสารคุณภาพ พิจารณาการรวมกันของอินพุตฟัซซี่

สมาชิกฟังก์ชัน25 กฎถูกสร้างขึ้นในระบบอนุมานฟัซซี
ฐานกฎการใช้ตรรกะและผู้ประกอบการ เพื่อประเมินประสิทธิภาพของโมเดล

ผลคุณภาพการบดตัวอย่างข้าว โดยพัฒนาระบบ
ถูกเปรียบเทียบกับของมนุษย์ผู้เชี่ยวชาญ ผลการวิจัย พบว่า มี

89.80 เปอร์เซ็นต์ความเชื่อมั่นโดยรวมของผลลัพธ์ที่ได้จากแบบจำลองและ
ผู้เชี่ยวชาญตัดสิน การปรับความไวและเฉพาะเจาะจงรวม
คุณภาพเกรดข้าวสารในห้าชั้นเรียนของ VB , B ,
M , G และ VG เท่ากับ 89.83 % ผลการทดลองตามลำดับ
ตามผลลัพธ์ที่ได้นี้ สามารถสรุปได้ว่า
พัฒนาไฮบริดระบบอัจฉริยะที่สามารถใช้สำหรับ
อัตโนมัติ การให้คะแนนของข้าวสารในอุตสาหกรรมการประมวลผล