Fig. 1a shows some examples of thes

Fig. 1a shows some examples of these
misshapen potatoes. The training set consisted of 228 potatoes, of
which 190 were voted as regular tubers and 38 tubers were voted
as irregular ones. A database of images was elaborated by acquiring
an image for each potato by placing them individually inside the
lighting chamber over the conveyor belt. All images were then
saved on the computer to be used as a database to extract the main
features of each potato and to build a linear discriminant analysis
(LDA) model to predict potato regularity. During the learning
mode, the features extracted from the database images of known
shapes were analyzed to predict the regularity of unknown sets
of potatoes. Therefore, another set of potatoes consisting of 182
with 162 regular tubers and 20 misshapen tubers were collected
as a testing set to validate the prediction model in a real-time
application and to evaluate the accuracy of the trained machine vision
system to perform such tasks.

ผลลัพธ์ (ไทย) 1:

Fig. 1a แสดงตัวอย่างเหล่านี้misshapen มันฝรั่ง การฝึกชุดประกอบด้วยมันฝรั่ง 228 ของ190 ที่ถูกโหวตเป็น tubers ปกติ และ 38 tubers ถูกโหวตเป็นคนผิดปกติ ฐานข้อมูลของภาพเป็น elaborated โดยการซื้อรูปภาพสำหรับมันฝรั่งแต่ละโดยการทำในแต่ละหอแสงผ่านสายพานลำเลียง ภาพทั้งหมดได้แล้วบันทึกในคอมพิวเตอร์เพื่อใช้เป็นฐานข้อมูลเพื่อแยกหลักลักษณะการทำงาน ของมันฝรั่งแต่ละ และสร้างการวิเคราะห์เชิงเส้น discriminant(LDA) แบบจำลองเพื่อทำนายความมันฝรั่ง ในระหว่างการเรียนรู้โหมด คุณลักษณะดึงข้อมูลจากฐานข้อมูลรูปภาพของที่รู้จักกันรูปร่างถูกวิเคราะห์เพื่อทำนายความรู้จักชุดของมันฝรั่ง ดังนั้น อีกชุดมันประกอบด้วย 182ปกติ tubers 162 และ 20 misshapen tubers ถูกรวบรวมไว้เป็นการทดสอบการตั้งค่าการตรวจสอบแบบจำลองพยากรณ์ในแบบเรียลไทม์แอพลิเคชันและ เพื่อประเมินความถูกต้องของเครื่องฝึกอบรมวิสัยทัศน์ระบบการทำงานเช่น

ผลลัพธ์ (ไทย) 2:

รูป 1a
แสดงให้เห็นตัวอย่างบางส่วนของเหล่านี้มันฝรั่งผิดรูป ชุดการฝึกอบรมประกอบด้วย 228
มันฝรั่งของที่190 ได้รับการโหวตให้เป็นปกติและหัว 38
หัวถูกโหวตเป็นคนที่ผิดปกติ ฐานข้อมูลของภาพที่ได้รับการเพิ่มเติมโดยการซื้อภาพสำหรับมันฝรั่งแต่ละโดยการวางไว้เป็นรายบุคคลภายในห้องแสงเหนือสายพานลำเลียง ภาพทุกภาพที่ถูกแล้วบันทึกไว้ในคอมพิวเตอร์ที่จะใช้เป็นฐานข้อมูลในการสกัดหลักคุณสมบัติของแต่ละมันฝรั่งและเพื่อสร้างการวิเคราะห์จำแนกเชิงเส้น(LDA) รูปแบบที่จะคาดการณ์สม่ำเสมอมันฝรั่ง ในช่วงการเรียนรู้โหมดคุณสมบัติสกัดจากฐานข้อมูลของภาพที่เป็นที่รู้จักรูปร่างที่ถูกนำมาวิเคราะห์ในการทำนายความสม่ำเสมอของชุดที่ไม่รู้จักของมันฝรั่ง ดังนั้นชุดของมันฝรั่งอื่นประกอบด้วย 182 กับ 162 หัวปกติและ 20 หัวผิดรูปที่ถูกเก็บรวบรวมการทดสอบชุดการตรวจสอบรูปแบบการทำนายในเวลาจริงและการประยุกต์ใช้ในการประเมินความถูกต้องของการมองเห็นเครื่องผ่านการฝึกอบรมระบบเพื่อดำเนินการดังกล่าว

ผลลัพธ์ (ไทย) 3:

รูปที่ 1 แสดงให้เห็นตัวอย่างบางส่วนของเหล่านี้มันผ่านไป

ชุดฝึกอบรม จำนวน 228 มันฝรั่งของ
ที่ 190 ถูกโหวตเป็นหัวปกติ และ 38 โหวต
อ้อมเป็นคนผิดปกติ ฐานข้อมูลของภาพถูกอธิบายโดยรับ
ภาพสำหรับแต่ละมันฝรั่งโดยการวางพวกเขาเป็นรายบุคคลภายในห้อง
แสงผ่านสายพานลำเลียง ภาพทั้งหมดแล้ว
บันทึกไว้ในคอมพิวเตอร์ เพื่อใช้เป็นฐานข้อมูลในการแยกหลัก
คุณลักษณะของแต่ละมันฝรั่งและสร้าง
การวิเคราะห์โดยตรง ( lda ) ทำนายความสม่ำเสมอมันฝรั่ง ระหว่าง
โหมดการเรียนรู้ ประกอบด้วย สารสกัดจากฐานข้อมูลภาพรูปร่าง รู้จักวิเคราะห์ทำนายความสม่ำเสมอ

ไม่ทราบชุดฝรั่ง ดังนั้น ชุดหนึ่งประกอบด้วย 182
มันฝรั่งด้วยแต่ปกติหัว 20 เสียรูปอ้อมรวบรวม
เป็นชุดทดลองเพื่อตรวจสอบการทำนายโมเดลในโปรแกรมเรียลไทม์
และประเมินความถูกต้องของระบบการมองเห็น
เครื่องฝึกปฏิบัติงานดังกล่าว