Investigation of the nutrient disea

Investigation of the nutrient disease in oil palm motivates the need for a programmed detection system. Automated detection using vision system and pattern recognition are implemented to detect the symptoms of nutrient diseases and also to classify the disease group. In this paper, Support Vector Machine (SVM) is evaluated as classifier with three different kernels namely linear kernel, polynomial kernel with soft margin and polynomial kernel with hard margin. Initial results show that the recognition of oil palm leaves is possible to be performed by SVM classifier. Based on the best performance result, polynomial kernel with soft margin is capable of classifying nutrient diseases accurately in the oil palm leaves with accuracy of 95% of correct classification.

ผลลัพธ์ (ไทย) 1:

สอบสวนโรคธาตุอาหารในปาล์มน้ำมันแรงบันดาลใจต้องตรวจสอบช่องโปรแกรมระบบ ตรวจหาอัตโนมัติใช้วิสัยทัศน์ที่รู้ระบบและรูปแบบถูกนำไปใช้ เพื่อตรวจหาอาการของโรคธาตุอาหาร และจัดประเภทกลุ่มโรค ในเอกสารนี้ เครื่องสนับสนุนเวกเตอร์ (SVM) จะประเมินว่า classifier ด้วยเมล็ดแตกต่างกันสามได้แก่เส้นเคอร์เนล เคอร์เนลโพลิโนเมียขอบนุ่มและเคอร์เนลที่พหุนาม มีขอบแข็ง เริ่มต้นแสดงว่าการรับรู้ของใบปาล์มน้ำมันเป็นไปได้ที่จะดำเนินการ โดย SVM classifier ขึ้นอยู่กับว่าประสิทธิภาพ เคอร์เนลโพลิโนเมียกับขอบนุ่มมีความสามารถในประเภทโรคธาตุอาหารในใบปาล์มน้ำมันอย่างถูกต้องแม่นยำ 95% ของการจัดประเภทที่ถูกต้อง

ผลลัพธ์ (ไทย) 2:

การสอบสวนโรคอาหารในปาล์มน้ำมันที่กระตุ้นความต้องการสำหรับระบบการตรวจสอบโปรแกรม การตรวจสอบโดยอัตโนมัติโดยใช้ระบบการมองเห็นและการรับรู้รูปแบบถูกนำมาใช้ในการตรวจสอบอาการของโรคสารอาหารและยังจัดกลุ่มโรค ในงานวิจัยนี้สนับสนุนเวกเตอร์แมชชีน (SVM) ได้รับการประเมินเป็นลักษณนามกับสามเมล็ดที่แตกต่างกันคือเคอร์เนลเชิงเส้นเคอร์เนลพหุนามที่มีอัตรากำไรขั้นต้นที่อ่อนนุ่มและเมล็ดพหุนามที่มีอัตราการทำกำไรอย่างหนัก ผลการศึกษาเบื้องต้นแสดงให้เห็นว่าการรับรู้ของปาล์มน้ำมันออกจากความเป็นไปได้ที่จะดำเนินการโดย SVM ลักษณนาม ขึ้นอยู่กับผลการปฏิบัติงานที่ดีที่สุดเคอร์เนลพหุนามที่มีอัตรากำไรขั้นต้นที่อ่อนนุ่มมีความสามารถในการจำแนกโรคสารอาหารที่ถูกต้องในใบปาล์มน้ำมันที่มีความถูกต้องของ 95% ของการจัดหมวดหมู่ที่ถูกต้อง

ผลลัพธ์ (ไทย) 3:

การสอบสวนโรค สารอาหารในน้ำมันปาล์มกระตุ้นความต้องการโปรแกรมการตรวจสอบระบบ การใช้ระบบการมองเห็น และรูปแบบอัตโนมัติจะดำเนินการเพื่อตรวจสอบอาการของโรค สารอาหาร และยังแยกกลุ่มโรค ในกระดาษนี้ สนับสนุนเครื่องเวกเตอร์ ( SVM ) คือการประเมินที่แตกต่างกันสามแบบที่มีเมล็ดคือเส้นตรงเคอร์เนลพหุนามเคอร์เนลเคอร์เนล ขอบนุ่ม และแบบขอบแข็ง ผลเบื้องต้นแสดงให้เห็นว่า การรับรู้ของใบปาล์มน้ำมันเป็นไปได้โดยใช้ SVM ลักษณนาม จากผลการปฏิบัติงานที่ดีที่สุด โดยใช้เมล็ดกับขอบนุ่มมีความสามารถในการจำแนกโรค สารอาหารที่ถูกต้องในใบปาล์มน้ำมันที่มีความถูกต้อง 95% ของหมวดหมู่ที่ถูกต้อง