3.3.2. Determination of characteris

3.3.2. Determination of characteristic parameters for detecting
scattered yolk
Based on morphological characteristic parameters, scattered yolk was classified using SVC model (Table 4). Accuracy was
98.3% in the calibration set, and 96.3% in the prediction set,respectively. Wang et al. (2012) used computer vision to detect double yolk eggs from single yolk eggs, and the yolk morphology was used. In this study, the egg yolk membrane rupture would lead to the diffuse of yolk morphology, and hyperspectral images could reflect this change and thus the yolk morphology provided useful information for internal quality detection of eggs. In another way, although identification of scattered yolk using this non-destructive approach is promising for the application in the egg industry, these results would be better interpreted with caution since scattered yolk was generated in our laboratory by the simulation of transportation vibration. The accuracy and robustness of models could be further improved with larger sample size and actual situations.

ผลลัพธ์ (ไทย) 1:

3.3.2. การกำหนดพารามิเตอร์เฉพาะสำหรับการตรวจสอบกระจายแดงตามพารามิเตอร์ลักษณะสัณฐาน กระจายแดงถูกจัดใช้ SVC รุ่น (ตาราง 4) แก้ไขความถูกต้อง98.3 ตั้ง%ในการสอบเทียบ และ 96.3% ในการคาดการณ์ ตามลำดับนั้น วัง et al.วิสัยทัศน์ (2012) ใช้คอมพิวเตอร์เพื่อตรวจหาคู่แดงไข่จากไข่แดงเดียว และใช้สัณฐานแดง ในการศึกษานี้ แยกตัวเยื่อหุ้มไข่แดงจะนำไปสู่การกระจายของสัณฐานวิทยาแดง และภาพ hyperspectral อาจสะท้อนถึงการเปลี่ยนแปลงนี้ และดังนั้น สัณฐานแดงให้ข้อมูลที่เป็นประโยชน์สำหรับการตรวจสอบคุณภาพภายในของไข่ ในอีกวิธีหนึ่ง แม้ว่ารหัสของกระจายแดงใช้วิธีแบบไม่ทำลายนี้เป็นสัญญาที่ใช้ในอุตสาหกรรมไข่ ผลลัพธ์เหล่านี้จะดีกว่าตีความ ด้วยความระมัดระวังเนื่องจากกระจายแดงถูกสร้างขึ้นในห้องปฏิบัติการ โดยการจำลองการขนส่งการสั่นสะเทือน ความแม่นยำและความทนทานของรุ่นต่อไปมาก ด้วยขนาดตัวอย่างและสถานการณ์จริง

ผลลัพธ์ (ไทย) 2:

3.3.2 การกำหนดค่าพารามิเตอร์สำหรับการตรวจสอบลักษณะ
ไข่แดงกระจายอยู่
บนพื้นฐานของพารามิเตอร์ลักษณะทางสัณฐานวิทยาไข่แดงกระจัดกระจายจำแนกโดยใช้แบบจำลอง SVC (ตารางที่ 4) ความถูกต้องเป็น
98.3% ในชุดการสอบเทียบและ 96.3% ในชุดคำทำนายตามลำดับ วัง et al, (2012) ที่ใช้คอมพิวเตอร์วิสัยทัศน์ในการตรวจสอบไข่ไข่แดงคู่ออกมาจากไข่ไข่แดงเดียวและสัณฐานวิทยาไข่แดงถูกนำมาใช้ ในการศึกษานี้แตกร้าวเยื่อหุ้มไข่แดงจะนำไปสู่การแพร่กระจายของไข่แดงสัณฐานและภาพ Hyperspectral สามารถสะท้อนให้เห็นถึงการเปลี่ยนแปลงนี้จึงสัณฐานไข่แดงที่ให้ข้อมูลที่เป็นประโยชน์สำหรับการตรวจสอบคุณภาพภายในของไข่ ในอีกทางหนึ่งแม้ว่าบัตรประจำตัวของไข่แดงกระจายอยู่โดยใช้วิธีการนี้ไม่ทำลายมีแนวโน้มสำหรับการประยุกต์ใช้ในอุตสาหกรรมไข่ผลลัพธ์เหล่านี้จะได้รับการตีความที่ดีขึ้นด้วยความระมัดระวังตั้งแต่ไข่แดงกระจัดกระจายถูกสร้างขึ้นในห้องปฏิบัติการของเราโดยการจำลองของการสั่นสะเทือนการขนส่ง ความถูกต้องและความทนทานของรุ่นอาจจะดีขึ้นอีกด้วยขนาดของกลุ่มตัวอย่างที่มีขนาดใหญ่และสถานการณ์ที่เกิดขึ้นจริง

ผลลัพธ์ (ไทย) 3:

3.3.2 . การหาค่าพารามิเตอร์สำหรับการตรวจสอบลักษณะกระจัดกระจาย ไข่แดงตามพารามิเตอร์ลักษณะสัณฐานวิทยา กระจัดกระจายแยกไข่แดงใช้รุ่น SVC ( ตารางที่ 4 ) ความถูกต้อง คือบันทึกในการตั้งค่าและการตั้งค่าในการทำนาย 96.3 % ตามลำดับ Wang et al . ( 2012 ) ใช้ภาพคอมพิวเตอร์เพื่อตรวจหาไข่ไข่แดงไข่ไข่แดงจากคู่เดียว และไข่แดง ) ใช้ ในการศึกษานี้ ไข่แดงเมมเบรนแตกจะนำไปสู่การกระจายโครงสร้างสัณฐาน ไข่แดง และ hyperspectral ภาพจะสะท้อนให้เห็นการเปลี่ยนแปลงและไข่แดงให้ข้อมูลที่เป็นประโยชน์สำหรับการตรวจสอบคุณภาพการศึกษาภายในของไข่ ในอีกทางหนึ่ง แม้ว่าการกระจายโดยใช้วิธีการแบบไม่ทำลายไข่แดงนี้เป็นสัญญาสำหรับการประยุกต์ใช้ในอุตสาหกรรมไข่ ผลจะดีกว่าตีความด้วยความระมัดระวังเนื่องจากกระจัดกระจายไข่แดงถูกสร้างขึ้นในห้องปฏิบัติการของเรา โดยจำลองการสั่นสะเทือนของการขนส่ง ความถูกต้องและความทนทานของรุ่น สามารถปรับปรุงเพิ่มเติมที่มีขนาดตัวอย่างและสถานการณ์จริง .