Essentially, the qualitative identi

Essentially, the qualitative identification of moldy peanuts is a binary decision in terms of the quality degree or acceptance, or rather the classification problem of pattern recognition. PCA and Discrimination analysis, such as PLS-DA (partial least square discrimination analysis) and LDA (linear discriminant analysis), should be the most frequently used method in grain quality identification (Elmasry, Kamruzzaman, Sun, & Allen, 2012). For exam- ple, Williams, Geladi, Fox, and Manley (2009) used PCA and PLS- DA to predict endosperm pixels of maize belonging to the glassy or floury. Yao et al. used LDA to identify contaminated maize as well as fungal strains from fluorescence hyperspectral images (Yao et al., 2013). Other methods for identifying grain quality mainly tend to use more advanced classifiers, such as artificial neural network (ANN) and kernel-based methods (Sun, 2010). And currently, support vector machine (SVM), which is based on kernel method, should be the most impressive and have obtained successful application in food quality identification. For example, Zhang et al. conducted classification of healthy and fungal-infected wheat kernels using support vector machine (SVM) classifier (Zhang, Paliwal, Jayas, & White, 2007). Moreover, it is very interesting to take in well-developed methods in pattern recognition to identify the agro-food quality, especially using hyperspectral techniques.

ผลลัพธ์ (ไทย) 1:

เป็นหลัก การระบุคุณภาพของถั่วลิสงขึ้นราเป็นการตัดสินใจที่ไบนารีในแง่ของระดับคุณภาพ หรือการยอมรับ หรือปัญหาค่อนข้างจัดประเภทของการรู้จำแบบ PCA และเลือกปฏิบัติการวิเคราะห์ เช่น PLS-DA (บางส่วนน้อยแบ่งแยกตารางวิเคราะห์) และ LDA (discriminant เชิงวิเคราะห์), ควรจะใช้บ่อยสุดวิธีในการระบุคุณภาพข้าว (Elmasry, Kamruzzaman ดวงอาทิตย์ และ อัลเลน 2012) สำหรับการสอบ-ple วิลเลียมส์ Geladi สุนัขจิ้งจอก และ Manley (2009) ใช้ PCA และ PLS ดาทำนายพิกเซล endosperm ของข้าวโพดเป็นของฟิต หรือ floury ยาวร้อยเอ็ดใช้ LDA ระบุข้าวโพดปนเปื้อนตลอดจนเชื้อราสายพันธุ์จากภาพ hyperspectral เรืองแสง (ยาว et al. 2013) วิธีการอื่น ๆ สำหรับการระบุคุณภาพเมล็ดส่วนใหญ่มักจะ ใช้คำนามภาษาขั้นสูง เช่นโครงข่ายประสาทเทียม (แอน) และวิธีใช้เคอร์เนล (อาทิตย์ 2010) และปัจจุบัน สนับสนุนเวกเตอร์เครื่อง (SVM), ซึ่งอ้างอิงวิธีเคอร์เนล ควรที่น่าประทับใจ และได้รับประยุกต์ประสบความสำเร็จในการระบุคุณภาพของอาหาร ตัวอย่างเช่น Zhang et al.ดำเนินการจัดหมวดหมู่ของเมล็ดข้าวสาลีที่มีสุขภาพดี และ ติดเชื้อราที่ใช้ลักษณนามเครื่อง (SVM) เวกเตอร์สนับสนุน (Zhang, Paliwal, Jayas และสี ขาว 2007) นอกจากนี้ มันน่าสนใจมากที่จะพัฒนาวิธีการในการรู้จำแบบการระบุคุณภาพเกษตร-อาหาร โดยเฉพาะอย่างยิ่งใช้เทคนิค hyperspectral

ผลลัพธ์ (ไทย) 2:

โดยพื้นฐานแล้วการระบุคุณภาพของถั่วลิสงราคือการตัดสินใจที่ไบนารีในแง่ของการศึกษาระดับปริญญาที่มีคุณภาพหรือได้รับการยอมรับหรือมากกว่าปัญหาการจำแนกประเภทของการจดจำรูปแบบ PCA และการวิเคราะห์การเลือกปฏิบัติเช่น PLS-DA (บางส่วนการวิเคราะห์การเลือกปฏิบัติอย่างน้อยตาราง) และ LDA (การวิเคราะห์จำแนกเชิงเส้น) ควรจะใช้บ่อยที่สุดวิธีการในการระบุคุณภาพข้าว (Elmasry, Kamruzzaman ดวงอาทิตย์และอัลเลน, 2012) สำหรับการสนับสนุนกลไกระดับท้องถิ่น, วิลเลียมส์ Geladi ฟ็อกซ์และลีย์ (2009) ใช้ PCA และ PLS- DA ที่จะคาดการณ์พิกเซล endosperm ข้าวโพดเลี้ยงสัตว์ที่เป็นแก้วหรือ floury Yao, et al ที่ใช้ในการระบุ LDA ข้าวโพดเลี้ยงสัตว์ที่ปนเปื้อนเช่นเดียวกับสายพันธุ์ของเชื้อราจากภาพ Hyperspectral เรืองแสง (ยาว et al., 2013) วิธีการอื่น ๆ ในการระบุคุณภาพข้าวส่วนใหญ่มักจะใช้ลักษณนามที่สูงขึ้นเช่นเครือข่ายประสาทเทียม (ANN) และวิธีการเคอร์เนล-based (Sun, 2010) และในปัจจุบันการสนับสนุนเวกเตอร์เครื่อง (SVM) ซึ่งจะขึ้นอยู่กับวิธีการเคอร์เนลที่ควรจะเป็นที่น่าประทับใจมากที่สุดและได้รับการประยุกต์ใช้ที่ประสบความสำเร็จในการระบุคุณภาพของอาหาร ยกตัวอย่างเช่น Zhang et al, ดำเนินการจัดหมวดหมู่ของสุขภาพดีและเชื้อราเชื้อเมล็ดข้าวสาลีใช้เครื่องเวกเตอร์สนับสนุน (SVM) ลักษณนาม (จาง paliwal, Jayas และสีขาว, 2007) นอกจากนี้ยังเป็นที่น่าสนใจมากที่จะใช้วิธีการในการพัฒนาที่ดีในการรับรู้รูปแบบการระบุคุณภาพอาหารเกษตรโดยเฉพาะอย่างยิ่งการใช้เทคนิค Hyperspectral

ผลลัพธ์ (ไทย) 3:

เป็นหลัก , การระบุคุณภาพของถั่วลิสงที่ขึ้นราเป็นไบนารีในแง่คุณภาพของการตัดสินใจ หรือการยอมรับหรือมากกว่าการจำแนกปัญหาของรูปแบบการรับรู้ PCA และการวิเคราะห์ค่าอำนาจจำแนก เช่น pls-da ( การวิเคราะห์การแบ่งแยกบางส่วน least square ) และ lda ( Linear Discriminant Analysis ) ควรมีวิธีการในการระบุคุณภาพของที่ใช้บ่อยที่สุด ( elmasry kamruzzaman , Sun , และ , อัลเลน , 2012 ) สำหรับการสอบ - เปิ้ล วิลเลี่ยม geladi สุนัขจิ้งจอก และ แมนเลย์ ( 2009 ) ที่ใช้ PCA และกรุณา - ดาพยากรณ์ endosperm พิกเซลของข้าวโพดที่เป็นของ เหลือบ หรือปกคลุมไปด้วยแป้ง . ยาว et al . ใช้ lda ระบุปนเปื้อนข้าวโพด รวมทั้งเชื้อราสายพันธุ์จากการ hyperspectral ภาพ ( เย้า et al . , 2013 ) วิธีการอื่น ๆสำหรับการระบุคุณภาพเมล็ด ส่วนใหญ่มักจะใช้คำที่ทันสมัยมากขึ้น เช่น โครงข่ายประสาทเทียม ( ANN ) และเมล็ดใช้วิธี ( Sun , 2010 ) และในขณะนี้สนับสนุนเครื่องเวกเตอร์ ( SVM ) ซึ่งยึดด้วยวิธีที่ควรจะประทับใจมากที่สุดและได้รับการประสบความสำเร็จในการระบุคุณภาพของอาหาร ตัวอย่างเช่น , Zhang et al . จัดหมวดหมู่ของสุขภาพและเชื้อราติดเชื้อข้าวสาลีเมล็ดโดยใช้เครื่องเวกเตอร์สนับสนุน ( SVM ) ลักษณนาม ( Zhang , paliwal jayas , และ , ขาว , 2007 ) นอกจากนี้ยังเป็นที่น่าสนใจมากที่จะใช้ในการพัฒนาวิธีการในการจดจำรูปแบบการระบุอาหารเกษตรที่มีคุณภาพ โดยเฉพาะการใช้เทคนิค hyperspectral .