Hardness is one of the major factor

Hardness is one of the major factors in determining the quality of dried fruits. It increases the chewiness and toughness of the fruits. A robust quality assurance system is required for on-line grading of dried fruits as the present manual methods are inconsistent, inaccurate and laborious. The objective of this study was to determine the efficiency of a R G B color imaging technique to classify dates into three classes based on hardness: hard, semi-hard and soft dates. Dates from three common varieties in Oman (Fard, Khalas and Naghal) were used in this study (total 3300 samples). The R G B image of individual date sample was taken by a C C D camera and analyzed using Matlab software. Thirty nine features (13 features in each R, G and B channel) were extracted from each image and analyzed. Three classes (hard, semi-hard and soft) and two classes (hard and soft (“semi-hard and soft” together as “soft”)) classification models were developed using linear discriminant analysis (LDA) with all features and step wise discriminant analysis (SDA) with selected features (based on level of contribution to classification). In three classes approach, the overall classification accuracy was 69%, 87% and 82% for Fard, Khalas and Naghal varieties, respectively, using LDA.It was 68%, 86% and 81% for Fard, Khalas and Naghal varieties, respectively, using SDA. The classificationaccuracy was improved in two classes approach. It was 84% (LDA) and 83% (SDA) for Fard, 90% (LDA)and 91% (SDA) for Khalas, and 96% (both in LDA and SDA) for Naghal varieties. Imaging techniques havegreat potential to develop on-line quality monitoring systems for dates based on hardness. However,further studies are required using other image acquisition systems such as NIR cameras to improve the classification.

ผลลัพธ์ (ไทย) 1:

ความแข็งเป็นหนึ่งในปัจจัยสำคัญในการกำหนดคุณภาพของผลไม้แห้ง มันเพิ่ม chewiness และนึ่งของผลไม้ ระบบการประกันคุณภาพที่มีประสิทธิภาพจะต้องง่ายดายจัดเกรดของผลไม้ตากแห้งเป็นวิธีการด้วยตนเองปัจจุบันไม่สอดคล้องกัน ไม่ถูกต้อง และลำบาก วัตถุประสงค์ของการศึกษานี้คือการ ตรวจสอบประสิทธิภาพของสี R G B ภาพเทคนิคในการจัดประเภทที่เป็นสามระดับชั้นตามความแข็ง: วันยาก กึ่งแข็ง และอ่อน วันจากสามสายพันธุ์ทั่วไปในประเทศโอมาน (Fard, Khalas และ Naghal) ถูกใช้ในการศึกษานี้ (รวมตัวอย่าง 3300) รูป R G B ของแต่ละวันอย่างที่ถ่าย ด้วยกล้อง C C D และวิเคราะห์โดยใช้ Matlab ซอฟต์แวร์ ลักษณะการทำงานสามสิบเก้า (13 คุณลักษณะในแต่ละช่องสัญญาณ R, G และ B) ถูกแยกจากแต่ละภาพ และวิเคราะห์ สามชั้น (ยาก กึ่งแข็ง และอ่อน) และชั้นสอง (หนัก และนุ่ม ("กึ่งแข็ง และอ่อน" รวมกันเป็น "นุ่ม")) รุ่นจัดประเภทถูกพัฒนาใช้ discriminant เชิงวิเคราะห์ (LDA) ลักษณะการทำงานและการวิเคราะห์ discriminant ขั้นฉลาด (SDA) ด้วยคุณลักษณะที่เลือก (ตามระดับของเงินสมทบประเภท) ในวิธีการสอนสาม ความถูกต้องของการจัดประเภทโดยรวมได้ 69%, 87% และ 82% สำหรับ Fard, Khalas และ Naghal พันธุ์ ตามลำดับ ใช้ LDAได้ 68%, 86% และ 81% สำหรับ Fard, Khalas และ Naghal พันธุ์ ตามลำดับ ใช้ SDA Classificationaccuracy ถูกปรับปรุงในวิธีการสอนสอง 84% (LDA) และ 83% (SDA) สำหรับ Fard (LDA) 90% และ 91% (SDA) สำหรับ Khalas และ 96% (ทั้ง ใน LDA และ SDA) สำหรับพันธุ์ Naghal ได้ ภาพเทคนิค havegreat มีศักยภาพในการพัฒนาระบบตรวจสอบคุณภาพง่ายดายวันตามความแข็ง อย่างไรก็ตาม ต่อไปการศึกษาจะต้องใช้ระบบซื้อรูปอื่น ๆ เช่น NIR กล้องเพื่อปรับปรุงการจัดประเภท

ผลลัพธ์ (ไทย) 2:

ความแข็งเป็นหนึ่งในปัจจัยที่สำคัญในการกำหนดคุณภาพของผลไม้แห้ง มันจะเพิ่มการเคี้ยวและความทนทานของผลไม้ ระบบประกันคุณภาพที่มีประสิทธิภาพเป็นสิ่งจำเป็นสำหรับการจัดลำดับในสายของผลไม้แห้งเป็นวิธีการด้วยตนเองในปัจจุบันไม่สอดคล้องกันไม่ถูกต้องและลำบาก วัตถุประสงค์ของการศึกษาครั้งนี้มีวัตถุประสงค์เพื่อตรวจสอบประสิทธิภาพของเทคนิคการถ่ายภาพสี RGB ที่จะจัดวันที่เป็นสามชั้นขึ้นอยู่กับความแข็ง: แข็งกึ่งแข็งและวันที่อ่อนนุ่ม จากวันที่สามสายพันธุ์ที่พบบ่อยในโอมาน (ฝาด, Khalas และ Naghal) ถูกนำมาใช้ในการศึกษานี้ (รวม 3,300 ตัวอย่าง) ภาพ RGB ของตัวอย่างที่บุคคลที่ถูกถ่ายโดยกล้อง CCD และวิเคราะห์โดยใช้ซอฟแวร์ Matlab สามสิบเก้าคุณสมบัติ (13 คุณสมบัติในแต่ละ R, G และช่อง B) ถูกสกัดจากภาพแต่ละภาพและวิเคราะห์ สามชั้น (ยากกึ่งแข็งและอ่อน) และสองชั้น (แข็งและอ่อน ("กึ่งแข็งและอ่อน" รวมกันว่า "อ่อน")) รูปแบบการจัดหมวดหมู่ได้รับการพัฒนาโดยใช้การวิเคราะห์จำแนกเชิงเส้น (LDA) ด้วยคุณสมบัติและขั้นตอนที่ชาญฉลาด การวิเคราะห์จำแนก (SDA) ด้วยคุณสมบัติที่เลือก (ขึ้นอยู่กับระดับของการมีส่วนร่วมในการจัดหมวดหมู่) ในสามวิธีการเรียนการจำแนกความถูกต้องโดยรวม 69%, 87% และ 82% สำหรับฝาด, Khalas และพันธุ์ Naghal ตามลำดับโดยใช้ LDA.It อยู่ที่ 68%, 86% และ 81% สำหรับฝาด, Khalas และพันธุ์ Naghal ตามลำดับ โดยใช้ SDA classificationaccuracy ได้รับการปรับปรุงในสองวิธีการเรียน มันเป็น 84% (LDA) และ 83% (SDA) สำหรับฝาด, 90% (LDA) และ 91% (SDA) สำหรับ Khalas และ 96% (ทั้งในและ LDA SDA) สำหรับพันธุ์ Naghal เทคนิคการถ่ายภาพ havegreat ที่มีศักยภาพที่จะพัฒนาในสายระบบการตรวจสอบที่มีคุณภาพสำหรับวันที่อยู่บนพื้นฐานของความแข็ง อย่างไรก็ตามการศึกษาต่อไปจะต้องใช้ระบบการควบรวมภาพอื่น ๆ เช่นกล้อง NIR เพื่อปรับปรุงการจัดหมวดหมู่

ผลลัพธ์ (ไทย) 3:

ความกระด้างเป็นหนึ่งในปัจจัยที่สำคัญในการกำหนดคุณภาพของผลไม้แห้ง มันเพิ่ม ( และความทนทานของผลไม้ คุณภาพทนทาน ระบบประกันเป็นสิ่งจำเป็นสำหรับการออนไลน์ของผลไม้แห้งเช่นปัจจุบันคู่มือวิธีการไม่สอดคล้องกันที่ไม่ถูกต้อง และลําบากการวิจัยครั้งนี้มีวัตถุประสงค์เพื่อศึกษาประสิทธิภาพของ R G B สีภาพเทคนิคแบ่งออกเป็น 3 ระดับ ตามช่องความแข็ง : แข็ง กึ่งวันที่หนักและนุ่ม จากวันที่สามพันธุ์ทั่วไปในโอมาน ( ฝาดและคาลาส , naghal ) สถิติที่ใช้ในการศึกษานี้ ( รวม 3 คน )R G B ภาพตัวอย่างวันที่แต่ละคนถูกถ่ายโดยกล้อง C C D และวิเคราะห์ข้อมูลโดยใช้โปรแกรม MATLAB . สามสิบเก้าคุณสมบัติ ( 13 คุณสมบัติในแต่ละ R G และ B Channel ) สกัดจากภาพแต่ละภาพและวิเคราะห์ ชั้นสาม ( ยากกึ่งแข็งและอ่อน ) และสองชั้น ( หนักและเบา ( " กึ่งแข็งและอ่อน " รวมกันเป็น " อ่อน " ) แบบประเภทถูกพัฒนาโดยใช้การวิเคราะห์เชิงเส้น ( lda ) ด้วยคุณสมบัติและขั้นตอนปัญญาจำแนกการวิเคราะห์ ( SDA ) กับข้อมูลที่เลือก ( ขึ้นอยู่กับระดับของการสนับสนุนเพื่อการจำแนก ) ในชั้นสามวิธี ความถูกต้องการจำแนกโดยรวม 69 %87 และ 82 เปอร์เซ็นต์และฝาดคาลาส , naghal พันธุ์ ตามลำดับ การใช้ lda มันคือ 68% , 86 % และ 81% ฝาดและคาลาส , naghal พันธุ์ ตามลำดับ การใช้ SDA การ classificationaccuracy ดีขึ้นใน 2 ประเภทวิธีการ มันเป็น 84% ( lda ) และ 83% ( SDA ) ฝาด 90% ( lda ) และ 91% ( SDA ) คาลาส และ 96% ( ทั้งในและ lda SDA ) สำหรับ naghal พันธุ์เทคนิคการถ่ายภาพ havegreat ศักยภาพที่จะพัฒนาคุณภาพระบบการตรวจสอบออนไลน์เดทตามความแข็ง อย่างไรก็ตาม การศึกษาเพิ่มเติมจะต้องใช้ระบบการได้มาซึ่งภาพอื่น ๆเช่นกล้อง NIR เพื่อปรับปรุงการจำแนก