Computer-generated artificial class

Computer-generated artificial classifiers that are intended to
mimic human decision making for grading and product quality
have recently been studied intensively. The online lentil color classification
using a flatbed scanner with neural classifier developed
by Shahin and Symons (2001) achieved an overall accuracy of more
than 90%. Leemans et al. (2002) developed an on-line fruit grading
system based on external quality features of two varieties of apples,
Golden Delicious and Jonagold, using quadratic discriminant
analysis and neural networks. The image grading was achieved in
six steps: image acquisition; ground color classification; defect
segmentation; calyx and stem recognition; defects characterization;
and finally the fruit classification into quality classes. Both
algorithms resulted in similar results (79% and 72%) for both varieties
studied. Blasco et al. (2003) combined machine vision techniques
with Bayesian discriminant analysis for online estimation
of the quality of oranges, peaches, and apples, and evaluated the
efficiency of these techniques regarding the following quality attributes:
size, color, stem location, and detection of external
blemishes.

ผลลัพธ์ (ไทย) 1:

สร้างคอมพิวเตอร์ประดิษฐ์คำนามภาษาที่มุ่งให้เลียนแบบมนุษย์ตัดสินสำหรับคุณภาพของผลิตภัณฑ์และการจัดเกรดมีเมื่อเร็ว ๆ นี้การศึกษา intensively การจัดประเภทสีถั่วเลนทิลใส่ออนไลน์สแกนเนอร์แฟลตเบดด้วย classifier ประสาทพัฒนาโดยชาฮีนและ Symons (2001) ได้อย่างแม่นยำโดยรวมมากขึ้นกว่า 90% Leemans et al. (2002) พัฒนาการจัดเกรดผลไม้ง่ายดายระบบตามคุณลักษณะคุณภาพภายนอกของสองสายพันธุ์ของแอปเปิ้ลอร่อยและ Jonagold ใช้ discriminant กำลังสองทองวิเคราะห์และเครือข่ายประสาท การจัดเกรดรูปสำเร็จในขั้นตอนที่ 6: ภาพซื้อ การจัดประเภทสีพื้น ข้อบกพร่องแบ่ง รู้คาลิกซ์และก้าน จำแนกข้อบกพร่องและสุดท้ายประเภทผลไม้เป็นชั้นคุณภาพ ทั้งสองอย่างอัลกอริทึมให้ผลคล้ายกัน (79% และ 72%) สำหรับทั้งสองสายพันธุ์ศึกษา เทคนิคการมองเครื่อง Blasco et al. (2003) รวมด้วยทฤษฎีการวิเคราะห์ discriminant สำหรับประเมินออนไลน์คุณภาพ ของส้ม ลูกพีช แอปเปิ้ล และประเมินการประสิทธิภาพของเทคนิคเหล่านี้เกี่ยวกับคุณภาพคุณลักษณะต่อไปนี้:ขนาด สี ก้านตั้ง และตรวจสอบภายนอกฝ้า

ผลลัพธ์ (ไทย) 3:

คอมพิวเตอร์สร้างคำเทียมที่มีวัตถุประสงค์เพื่อการตัดสินใจสำหรับการเลียนแบบมนุษย์

คุณภาพผลิตภัณฑ์และเพิ่งได้รับการศึกษาอย่าง ชัดเจน ออนไลน์ถั่วสีหมวดหมู่
ใช้สแกนเนอร์ด้วยประสาทแบบพัฒนา
โดย Shahin ไซมอนส์ ( 2001 ) และบรรลุความถูกต้องโดยรวมของมากกว่า
กว่า 90% leemans et al . ( 2002 ) พัฒนาผลไม้เกรด
ทางออนไลน์ระบบตามลักษณะคุณภาพภายนอกของพันธุ์แอปเปิ้ล
โกลเด้นอร่อยและ jonagold ใช้ Quadratic จำแนก
การวิเคราะห์และโครงข่ายประสาทเทียม ภาพงานสําเร็จใน
6 ขั้นตอนการภาพ การจำแนกสีพื้น การแบ่งส่วนข้อบกพร่อง
; กลีบเลี้ยงและก้านการรับรู้ ; ของเสีย ;
และในที่สุดผลการจำแนกในชั้นเรียนที่มีคุณภาพ ทั้ง
ขั้นตอนวิธีที่ส่งผลให้เกิดผลลัพธ์ที่คล้ายคลึงกัน ( 79 เปอร์เซ็นต์และ 72 เปอร์เซ็นต์ ) ทั้งสายพันธุ์
) กระตือรือร้นมากที่สุด et al . ( 2546 ) รวมเครื่องเทคนิควิสัยทัศน์
กับการวิเคราะห์แบบเบส์สำหรับตัวออนไลน์ประมาณ
คุณภาพของส้ม , ลูกพีชและแอปเปิ้ล และ การประเมินประสิทธิภาพของเทคนิคเหล่านี้เกี่ยวกับ

คุณภาพคุณลักษณะต่อไปนี้ : ขนาด , สี , ต้น ที่ตั้ง และการตรวจสอบจากภายนอก
รอย