In order to recognize stored-grain

In order to recognize stored-grain insects by analyzing texture of the insects, a hidden Markov model (HMM) was developed to process the stored-grain insect images. First the basic theory of hidden Markov model was introduced, and then stored-grain insect image HMM was built. An improved K-mean method was used to initialize the HMM to improve algorithm efficiency and stability. Various stored-grain insect images were used to train the models using Baum-Welch algorithm. Use the trained HMM to recognize test images. The recognize accuracy rate for single insect with normal pattern is about 98%, for lateral position single insect is about 87%. The insects in the output images were counted by the method of connected component labeling, it was effectively solved the stored-grain insects' overlapping and adhesion, and the counting accuracy was improved.

ผลลัพธ์ (ไทย) 1:

รับรู้แมลงเก็บเมล็ด โดยการวิเคราะห์พื้นผิวของแมลง ซ่อน Markov แบบ (HMM) ถูกพัฒนาขึ้นเพื่อประมวลภาพแมลงเมล็ดเก็บไว้ ทฤษฎีพื้นฐานของ Markov ซ่อนรูปถูกนำมาใช้ครั้งแรก และจากนั้น เมล็ดข้าวเก็บภาพแมลง HMM ถูกสร้างขึ้น ใช้วิธี K-หมายถึงการปรับปรุงเริ่มต้น HMM ปรับปรุงอัลกอริทึมมีประสิทธิภาพและเสถียรภาพ เมล็ดเก็บภาพแมลงต่าง ๆ ได้ใช้รถไฟแบบจำลองที่ใช้อัลกอริทึมการจัด Welch ใช้ HMM ฝึกการรับรู้ภาพทดสอบ อัตราความแม่นยำ recognize สำหรับแมลงเดียวกับรูปแบบปกติคือ ประมาณ 98% ตำแหน่งด้านข้างเดียวแมลงมีประมาณ 87% แมลงในรูปผลผลิตนับได้ โดยวิธีการเชื่อมต่อคอมโพเนนต์ที่ติดฉลาก มันมีประสิทธิภาพแก้ไขของแมลงเมล็ดเก็บทับซ้อนและการยึดเกาะ และตรวจนับความถูกต้องถูกปรับปรุง

ผลลัพธ์ (ไทย) 2:

เพื่อให้รู้จักแมลงที่จัดเก็บเมล็ดโดยการวิเคราะห์พื้นผิวของแมลงแบบจำลองมาร์คอฟที่ซ่อนอยู่ (HMM) ได้รับการพัฒนาในการประมวลผลการจัดเก็บเมล็ดภาพแมลง ครั้งแรกทฤษฎีพื้นฐานของการซ่อนแบบมาร์คอฟได้รับการแนะนำและเก็บไว้แล้วเมล็ด HMM ภาพแมลงที่ถูกสร้างขึ้น วิธี K-ค่าเฉลี่ยที่ดีขึ้นถูกใช้ในการเริ่มต้นอืมในการปรับปรุงประสิทธิภาพและเสถียรภาพอัลกอริทึม เก็บเมล็ดภาพแมลงต่างๆถูกนำมาใช้ในการฝึกอบรมรุ่นโดยใช้อัลกอริธึมนัก-เวลช์ ใช้ HMM ผ่านการฝึกอบรมในการรับรู้ภาพการทดสอบ ตระหนักถึงอัตราความถูกต้องสำหรับแมลงเดียวที่มีรูปแบบปกติคือประมาณ 98% สำหรับตำแหน่งด้านข้างแมลงเดียวคือประมาณ 87% แมลงในภาพออกนับโดยวิธีการของการติดฉลากองค์ประกอบที่เชื่อมต่อนั้นจะได้รับการแก้ไขอย่างมีประสิทธิภาพแมลงเก็บเมล็ด 'การยึดเกาะที่ทับซ้อนกันและและความถูกต้องนับได้รับการปรับปรุง

ผลลัพธ์ (ไทย) 3:

เพื่อจำเก็บแมลง เมล็ดพืช โดยการวิเคราะห์พื้นผิวของแมลงซ่อนมาร์คอฟแบบ ( อืม ) พัฒนากระบวนการจัดเก็บเมล็ดพืช แมลง ภาพ แรกทฤษฎีพื้นฐานของแบบจำลองฮิดเดนมาร์คอฟ ซึ่งเป็นที่รู้จักและเก็บเมล็ดพืช แมลง ภาพ อืม ก็ถูกสร้างขึ้น การปรับปรุง k-mean เป็นวิธีเริ่มต้นอืมเพื่อปรับปรุงขั้นตอนวิธีและความมั่นคงเก็บเมล็ด แมลงต่าง ๆภาพที่ถูกใช้ในการฝึกแบบใช้บาม เวลช์ ขั้นตอนวิธีการ ใช้อืม . . ฝึกให้รู้จัก ภาพการทดสอบ จำอัตราความถูกต้องสำหรับแมลงเดียวกับรูปแบบปกติคือประมาณ 98% สำหรับด้านข้างตำแหน่งเดียวแมลงประมาณ 87% แมลงในการแสดงผลภาพที่ถูกนับโดยวิธีการของการติดฉลากส่วนประกอบที่เชื่อมต่อมันสามารถแก้ไขจัดเก็บเมล็ดแมลง ' ที่ทับซ้อนกันและรอยขีดข่วนและนับความถูกต้องได้ดีขึ้น