Numerous vegetable types, such as t

Numerous vegetable types, such as the large Japanese radish known as “daikon” are prone to internal defects that are impossible to detect with the human eye. Nondestructive measurement provides a suitable technique for detecting defects such as black heart, and air cavities that make such radishes unmarketable. In this paper, we report on the development of a nondestructive detection algorithm for visible/near infrared (Vis/NIR) spectroscopy that can be used to detect internal defects in Japanese radishes. Using the first derivative, selected Vis/NIR wavelengths were calculated by a stepwise forward selection method and then used as classifying parameters in a LDA, PLS-DA, and a neural network. The LDA and neural network were then used to build the detection algorithm based on leave-one-out cross validation. The PLS-DA was then used to build the detection algorithm based on double loop leave-one-out cross validation. When the LDA and PLS-DA were used for the prediction set (removed samples), both of the overall discriminant rate were 90.1%. When the error goal was 0.05 and the number of hidden neurons was 13, the discriminant rates for normal radishes, radishes with internal defects, and the total for all samples were 97.0%, 82.9% and 92.4%, respectively. These results show the potential of the proposed techniques for detecting defects and predicting the internal quality of Japanese radishes.

ผลลัพธ์ (ไทย) 1:

หลายชนิดผัก เช่นหัวผักกาดญี่ปุ่นขนาดใหญ่ที่เรียกว่า "ผักกาดหัว" มีแนวโน้มที่ข้อบกพร่องภายในที่จะไปพบกับดวงตา เพื่อประเมินทางเทคนิคที่เหมาะสมสำหรับการตรวจสอบข้อบกพร่องหัวใจสีดำ และผุแอร์ที่ทำ radishes เช่น unmarketable ในเอกสารนี้ เรารายงานพัฒนาอัลกอริทึมเพื่อตรวจการมองเห็น/ใกล้อินฟราเรดก (Vis/NIR) ที่สามารถใช้เพื่อตรวจหาข้อบกพร่องภายในญี่ปุ่น radishes ใช้อนุพันธ์แรก ความยาวคลื่น Vis/NIR ที่เลือกถูกคำนวณ โดยวิธี stepwise เลือกไปข้างหน้าแล้ว ใช้เป็นประเภทพารามิเตอร์ใน LDA กรุณาดา และเครือข่ายประสาท แล้ว LDA และโครงข่ายประสาทถูกใช้ให้สร้างอัลกอริทึมตรวจยึดตรวจสอบไขว้ฝากหนึ่งออก แล้วใช้ดากรุณาสร้างอัลกอริทึมตรวจยึดห่วงคู่ลาหนึ่งออกตรวจสอบไขว้ เมื่อ LDA และดากรุณาใช้สำหรับตั้งค่าการคาดเดา (เอาตัวอย่าง), รวม discriminant ทั้งสองถูก 90.1% เมื่อเป้าหมายข้อผิดพลาด 0.05 และหมายเลขของ neurons ซ่อนเป็น 13 ราคา discriminant ปกติ radishes, radishes กับข้อบกพร่องภายใน และผลรวมของตัวอย่างทั้งหมดได้ 97.0%, 82.9% และ 92.4% ตามลำดับ ผลเหล่านี้แสดงศักยภาพของเทคนิคการนำเสนอสำหรับตรวจหาข้อบกพร่อง และการคาดการณ์คุณภาพภายในของญี่ปุ่น radishes

ผลลัพธ์ (ไทย) 2:

ประเภทผักจำนวนมากเช่นหัวไชเท้าใหญ่ ๆ ของญี่ปุ่นที่เรียกว่า "หัวไชเท้า" มีแนวโน้มที่จะมีข้อบกพร่องภายในที่เป็นไปไม่ได้ที่จะตรวจสอบได้ด้วยตามนุษย์ วัดเอ็นดีมีเทคนิคที่เหมาะสมสำหรับการตรวจสอบข้อบกพร่องเช่นหัวใจสีดำและโพรงอากาศที่ทำให้หัวไชเท้าเช่นขายไม่ได้ ในบทความนี้เรารายงานในการพัฒนาวิธีการตรวจสอบแบบไม่ทำลายสำหรับการมองเห็น / ใกล้อินฟราเรด (ดู / NIR) สเปกโทรสโกที่สามารถนำมาใช้เพื่อตรวจหาข้อบกพร่องภายในหัวไชเท้าญี่ปุ่น การใช้อนุพันธ์แรกที่เลือกดู / NIR ความยาวคลื่นนี้จะถูกคำนวณโดยวิธีการเลือกแบบขั้นตอนไปข้างหน้าและนำไปใช้เป็นพารามิเตอร์ในการจำแนก LDA, PLS-DA และโครงข่ายประสาทเทียม LDA และเครือข่ายประสาทถูกนำมาใช้แล้วในการสร้างวิธีการตรวจสอบตามลาหนึ่งออกตรวจสอบข้าม PLS-DA ถูกนำมาใช้เพื่อสร้างวิธีการตรวจสอบขึ้นอยู่กับสองวงลาหนึ่งออกตรวจสอบข้าม เมื่อ LDA และ PLS-DA ถูกนำมาใช้สำหรับการตั้งค่าการทำนาย (ตัวอย่างออก) ทั้งของอัตราจำแนกโดยรวมอยู่ที่ 90.1% เมื่อเป้าหมายข้อผิดพลาดเท่ากับ 0.05 และจำนวนของเซลล์ประสาทที่ซ่อนอยู่คือ 13 อัตราจำแนกสำหรับหัวไชเท้าปกติหัวไชเท้ากับข้อบกพร่องภายในและการรวมตัวอย่างทั้งหมดเป็น 97.0%, 82.9% และ 92.4% ตามลำดับ ผลการศึกษานี้แสดงให้เห็นถึงศักยภาพของเทคนิคที่นำเสนอในการตรวจหาข้อบกพร่องและการคาดการณ์ที่มีคุณภาพภายในของหัวไชเท้าญี่ปุ่น

ผลลัพธ์ (ไทย) 3:

ประเภทผักต่าง ๆ เช่น ญี่ปุ่น หัวไชเท้าขนาดใหญ่ที่เรียกว่า " ไชเท้า " มีแนวโน้มที่จะเกิดข้อบกพร่องภายใน มันเป็นไปไม่ได้ที่จะตรวจสอบด้วยสายตาของมนุษย์ การวัดความแก่ให้เทคนิคที่เหมาะสมสำหรับการตรวจหาข้อบกพร่อง เช่น หัวใจสีดำ และอากาศที่ทำให้ฟันผุหัวไชเท้า unmarketable . ในกระดาษนี้เรารายงานเกี่ยวกับการพัฒนาขั้นตอนวิธีการตรวจสอบโดยไม่ทำลายสำหรับการมองเห็น / อินฟราเรดใกล้ ( VIS / NIR สเปกโทรสโกปี ) ที่สามารถใช้เพื่อตรวจสอบภายในข้อบกพร่องในหัวไชเท้าญี่ปุ่น การใช้อนุพันธ์ก่อนเลือก VIS / NIR ความยาวคลื่นที่คำนวณโดยวิธีการเลือกแบบ และใช้เป็นข้อมูลส่งพารามิเตอร์ใน lda pls-da , และเครือข่ายประสาทการ lda และโครงข่ายประสาทเทียมถูกใช้เพื่อสร้างการตรวจสอบขั้นตอนวิธีตามไปหนึ่งข้ามการตรวจสอบ การ pls-da ถูกใช้เพื่อสร้างการตรวจสอบขั้นตอนวิธีพื้นฐานสองวงไปออกข้ามการตรวจสอบ เมื่อ lda pls-da และถูกใช้เพื่อทำนายชุด ( เอาตัวอย่าง ) ทั้งอัตราการจำแนกโดยรวม 4.2 ล้านบาท เมื่อเป้าหมายผิดพลาดคือ 005 และจำนวนเซลล์ประสาทที่ซ่อนอยู่ 13 อัตราการจำแนกผักปกติ หัวไชเท้ากับข้อบกพร่องภายใน และรวมของตัวอย่าง 97.0 ร้อยละ 20.1 % และ 2.9% ตามลำดับ ผลลัพธ์เหล่านี้แสดงศักยภาพของเทคนิคที่เสนอสำหรับการตรวจหาข้อบกพร่อง และประเมินคุณภาพภายในของ
หัวไชเท้าญี่ปุ่น