ConclusionsIn this study, we develo

Conclusions
In this study, we developed a new image analysis system that can simultaneously evaluate multiple appearance characteristics of agricultural products. To evaluate the effectiveness of this system, we conducted quality evaluations and cultivar identification on the basis of statistical analyses of the appearance characteristics. The result of the cluster analysis revealed that strawberries could be classified on the basis of their appearance characteristics. This
result indicated that the appearance distances we defined in this study was able to represent the distance close to a human sense. By performing MDS, we were able to visualize the small differences in the appearance of the fruit based on multiple characteristics on a two-dimensional surface. Since we were able to quantitatively evaluate the distance on multiple fruit appearances, we plan to utilize our system for breeding purposes in the future study.
The results of the discriminant analysis revealed that the accuracy of strawberry cultivar classification using 14 cultivars was

ผลลัพธ์ (ไทย) 1:

บทสรุปในการศึกษานี้ เราพัฒนาระบบวิเคราะห์ภาพใหม่ที่พร้อมสามารถประเมินหลายลักษณะลักษณะของสินค้าเกษตร การประเมินประสิทธิภาพของระบบนี้ เราดำเนินการประเมินคุณภาพและ cultivar รหัสโดยใช้การวิเคราะห์ทางสถิติของลักษณะปรากฏ ผลการวิเคราะห์คลัสเตอร์เปิดเผยว่า สตรอเบอร์รี่สามารถจำแนกตามลักษณะปรากฏของพวกเขา นี้ผลแสดงที่ระยะทางลักษณะที่เรากำหนดในการศึกษานี้ได้แสดงถึงระยะทางที่ใกล้กับความรู้สึกมนุษย์ โดยการติด เราไม่สามารถมองเห็นภาพความแตกต่างที่ขนาดเล็กในลักษณะของผลไม้ตามลักษณะหลายบนพื้นผิวสองมิติ เนื่องจากเราไม่สามารถประเมินระยะห่างบนผลไม้หลายนัด quantitatively เราจะใช้ระบบของเราสำหรับวัตถุประสงค์ในการปรับปรุงพันธุ์ในอนาคตศึกษาผลลัพธ์ของการวิเคราะห์ discriminant เปิดเผยว่า มีความถูกต้องของประเภทสตรอเบอร์รี่ cultivar ใช้พันธุ์ 14 < 42% เมื่อใช้เพียงลักษณะเดียวเช่นสี รูปร่าง และขนาด อย่างไรก็ตาม อัตราการเพิ่ม 68% หลังจากการรวมคุณสมบัติ 3 ผลลัพธ์เหล่านี้บ่งชี้ว่า ระบบของเรานำประโยชน์ของการวิเคราะห์หลายลักษณะลักษณะ มีลักษณะสำคัญต่าง ๆ ที่ใช้สำหรับการระบุ cultivar สตรอเบอรี่นอกจากนี้ในระหว่างส่วนของผลไม้ ดังนั้น ใช้ข้อมูลชนิดนี้จะเพิ่มความแม่นยำจัดประเภทในการศึกษาในอนาคต

ผลลัพธ์ (ไทย) 2:

สรุปผลการวิจัย
ในการศึกษานี้เราได้พัฒนาระบบการวิเคราะห์ภาพใหม่ที่พร้อมสามารถประเมินลักษณะการปรากฏตัวหลายของผลิตภัณฑ์ทางการเกษตร เพื่อประเมินประสิทธิผลของระบบนี้เราดำเนินการประเมินผลที่มีคุณภาพและการตรวจสอบพันธุ์บนพื้นฐานของการวิเคราะห์ทางสถิติของลักษณะลักษณะที่ปรากฏ ผลจากการวิเคราะห์กลุ่มเปิดเผยว่าสตรอเบอร์รี่สามารถจำแนกบนพื้นฐานของลักษณะการปรากฏตัวของพวกเขา ซึ่ง
ผลการวิจัยพบว่าระยะทางลักษณะที่เรากำหนดไว้ในการศึกษาครั้งนี้ก็สามารถที่จะเป็นตัวแทนของระยะทางที่ใกล้กับความรู้สึกของมนุษย์ โดยการดำเนินการ MDS, เราสามารถที่จะมองเห็นความแตกต่างเล็ก ๆ ในลักษณะของผลไม้ที่ขึ้นอยู่กับลักษณะหลาย ๆ บนพื้นผิวสองมิติ เนื่องจากเราสามารถที่จะประเมินผลเชิงปริมาณระยะทางในการปรากฏตัวของผลไม้หลายเราวางแผนที่จะใช้ระบบของเราเพื่อการเพาะพันธุ์ในการศึกษาในอนาคต.
ผลของการวิเคราะห์จำแนกเปิดเผยว่าความถูกต้องของการจำแนกพันธุ์สตรอเบอร์รี่ที่ใช้ 14 สายพันธุ์เป็น <42% เมื่อคุณลักษณะเดียวเท่านั้นเช่นสีรูปร่างและขนาดที่ถูกนำมาใช้ อย่างไรก็ตามอัตราการเพิ่มขึ้นถึง 68% หลังจากการรวมสามคุณสมบัติ ผลการศึกษานี้แสดงให้เห็นว่าระบบของเราใช้ประโยชน์จากความได้เปรียบของการวิเคราะห์ลักษณะการปรากฏตัวหลาย มีลักษณะที่สำคัญหลายอย่างที่ใช้ในการจำแนกพันธุ์สตรอเบอร์รี่ยังอยู่ในข้ามส่วนของผลไม้ที่มี ดังนั้นการใช้ประโยชน์จากข้อมูลประเภทนี้จะเพิ่มความแม่นยำในการจัดหมวดหมู่ในการศึกษาในอนาคต

ผลลัพธ์ (ไทย) 3:

สรุป
ในการศึกษานี้เราพัฒนาระบบวิเคราะห์ภาพใหม่ที่พร้อมสามารถประเมินคุณลักษณะลักษณะหลายของผลิตภัณฑ์ทางการเกษตร เพื่อประเมินประสิทธิภาพของระบบนี้ เราทำการประเมินคุณภาพและพันธุ์รหัสบนพื้นฐานของการวิเคราะห์สถิติของลักษณะที่ปรากฏของผลของการวิเคราะห์จำแนกกลุ่มพบว่าสตรอเบอร์รี่สามารถแบ่งบนพื้นฐานของลักษณะที่ปรากฏของพวกเขา ผลนี้ พบว่าลักษณะทาง
เรากำหนดไว้ในการศึกษานี้ คือ สามารถแสดงระยะทางใกล้เคียงกับความรู้สึกของมนุษย์ เมื่อการแสดง ,เราสามารถเห็นความแตกต่างเล็ก ๆ ในลักษณะของผลไม้จากหลายลักษณะ ในพื้นผิวสองมิติ เนื่องจากเราสามารถใช้ประเมินระยะห่างในลักษณะผลไม้หลายอย่าง เราวางแผนที่จะใช้ระบบของเราเพื่อการปรับปรุงพันธุ์วัตถุประสงค์ในการศึกษาในอนาคต .
ผลจากการวิเคราะห์พบว่า ความถูกต้องของการจำแนกพันธุ์สตรอเบอรี่พันธุ์จะใช้ 14 < 42% เมื่อคุณลักษณะเดียวเท่านั้น เช่น สี รูปร่าง และขนาดที่ใช้ แต่อัตราการเพิ่มขึ้นถึง 68 % หลังจากการรวมสามคุณสมบัติ ผลลัพธ์เหล่านี้บ่งชี้ว่า ระบบของเราใช้ประโยชน์จากประโยชน์ของการวิเคราะห์ลักษณะที่ปรากฏหลายมีหลายลักษณะที่ใช้สำหรับการจำแนกพันธุ์สตรอเบอรี่ ที่สำคัญในภาคตัดขวางของผลไม้ ดังนั้น การใช้ชนิดของข้อมูลนี้จะเพิ่มความแม่นยำในการจำแนกในการศึกษาในอนาคต