These morphological features can be

These morphological features can be used as input variables to Multilayer Neural Network topologies to recognize and categorize coarse rice sizes, shapes, and varietal types at overall average accuracies of 98.76 % and 96.67%, respectively. An average overall correctness of about 70 percent was obtained when the sample images of the 52 varieties were integrated in the group classification [22].

ผลลัพธ์ (ไทย) 1:

สัณฐานคุณลักษณะเหล่านี้สามารถใช้เป็นตัวแปรอินพุตเพื่อโครงสร้างเครือข่ายประสาทหลายการรับรู้ และการจัดประเภทข้าวหยาบขนาด รูปร่าง และชนิดพันธุ์ที่แม่นโดยรวมเฉลี่ยร้อยละ 98.76 และ 96.67 ตามลำดับ มีความถูกต้องโดยรวมเฉลี่ยประมาณร้อยละ 70 ได้รับเมื่อภาพตัวอย่างพันธุ์ 52 ถูกรวมในการจัดประเภทกลุ่ม [22]

ผลลัพธ์ (ไทย) 2:

ลักษณะทางสัณฐานของเหล่านี้สามารถนำมาใช้เป็นตัวแปรที่จะทอพอโลยีหลายเครือข่ายประสาทการรับรู้และจัดหมวดหมู่ขนาดหยาบข้าวรูปร่างและชนิดพันธุ์ที่ถูกต้องรวมเฉลี่ย 98.76% และ 96.67% ตามลำดับ ความถูกต้องโดยรวมเฉลี่ยประมาณร้อยละ 70 ที่ได้รับเมื่อภาพตัวอย่างของ 52 สายพันธุ์ที่ได้รับการแบบบูรณาการในการจำแนกกลุ่ม [22]

ผลลัพธ์ (ไทย) 3:

คุณสมบัติ สารเหล่านี้สามารถใช้เป็นตัวแปรเพื่อ topologies เครือข่ายประสาทหลายชั้นเพื่อรับรู้และแยกแยะขนาด ข้าวซ้อมมือ รูปร่าง และพันธุ์ชนิดที่โดยรวมเฉลี่ยความถูกต้องของ 98.76 % และพนักงานตามลำดับ เฉลี่ยโดยรวมมีประมาณ 70 เปอร์เซ็นต์ได้เมื่อภาพตัวอย่างของ 52 พันธุ์ รวมในกลุ่มหมวดหมู่ [ 22 ]