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:

สร้างคอมพิวเตอร์ประดิษฐ์คำนามภาษาที่มุ่งให้
เลียนแบบมนุษย์ตัดสินสำหรับคุณภาพของผลิตภัณฑ์และการจัดเกรด
มีเมื่อเร็ว ๆ นี้การศึกษา intensively การ การจัดประเภทสีถั่วเลนทิลใส่ออนไลน์
ใช้แฟลตเบดสแกนเนอร์ classifier ประสาทพัฒนา
ชาฮีนและ Symons (2001) ได้แม่นยำโดยรวมมากกว่า
กว่า 90% Leemans et al. (2002) พัฒนาการจัดเกรดผลไม้ง่ายดาย
ระบบตามคุณลักษณะคุณภาพภายนอกของสองสายพันธุ์ของแอปเปิ้ล,
ทองอร่อยและ Jonagold ใช้ discriminant กำลังสอง
วิเคราะห์และเครือข่ายประสาท การจัดเกรดรูปสำเร็จใน
ตอนที่ 6: ภาพซื้อ การจัดประเภทสีพื้น defect
แบ่ง รู้คาลิกซ์และก้าน ข้อบกพร่องจำแนก;
และสุดท้ายประเภทผลไม้เป็นชั้นคุณภาพ ทั้ง
อัลกอริทึมให้คล้ายผล (79% และ 72%) สำหรับพันธุ์ทั้ง
ศึกษา เทคนิควิสัยทัศน์เครื่อง Blasco et al. (2003) รวม
กับทฤษฎีการวิเคราะห์ discriminant สำหรับประเมินออนไลน์
คุณภาพ ของส้ม ลูกพีช แอปเปิ้ล และประเมินการ
ประสิทธิภาพของเทคนิคเหล่านี้เกี่ยวกับคุณภาพคุณลักษณะต่อไปนี้:
ขนาด สี เกิดที่ตั้ง และตรวจสอบภายนอก
ฝ้า

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