Using Eq. (5) to assess the fruit m

Using Eq. (5) to assess the fruit mass from optically detected
length did not render satisfactory results. The fruit mass was
overestimated by 29% and the calculated values showed a high variability
(R2 = 0.56). It is assumed that this is the combined effect of L
being the factor that shows the least correlation toM, and the somewhat
higher variability of the photographically determined values
for L, as compared to the manually measured values (Fig. 4B).
As previously shown, image processing enables the reliable
reproduction of a 2D raster model of the measured fruit (Yimyam
et al., 2005), based on RGB color analyses, which can be used to
create a 3D model if several pictures from different angles are
combined (Chalidabhongse et al., 2006). Even though data on computational
time has not been published, the amount of data which
needs to be processed to create and evaluate a 3D model may be
rather high, and thus somewhat unwieldy if used for an automated
process such as sorting. In this study it has been shown that, alternatively,
mass can be estimated based on

ผลลัพธ์ (ไทย) 1:

ใช้ EQ (5) เพื่อประเมินมวลผลไม้จากความยาว
ตรวจพบสายตาไม่ได้ทำให้ผลลัพธ์ที่น่าพอใจ มวลผลไม้เป็น
เกิน 29% และค่าที่คำนวณได้แสดงให้เห็นความแปรปรวนสูง
(r2 = 0.56) มันจะสันนิษฐานว่านี่คือผลรวมของ l
เป็นปัจจัยที่แสดงให้เห็นความสัมพันธ์ทอมน้อยและค่อนข้าง
แปรปรวนสูงขึ้นของค่ากำหนดถ่ายรูป
สำหรับ l เมื่อเทียบกับค่าที่วัดด้วยตนเอง (รูปที่ 4b).
ตามที่แสดงไว้ก่อนหน้านี้การประมวลผลภาพที่ช่วยให้การสืบพันธุ์
ที่เชื่อถือได้ของรูปแบบแรสเตอร์ 2 มิติของผลไม้ที่วัด (yimyam
et al. 2005) บนพื้นฐานของ RGB การวิเคราะห์สีซึ่งสามารถใช้ในการ
สร้างรูปแบบ 3 มิติถ้าหลายภาพจากมุมที่แตกต่างกัน
รวม (chalidabhongse et al. 2006) แม้ว่าข้อมูลในการคำนวณ
เวลายังไม่ได้รับการตีพิมพ์จำนวนของข้อมูลที่
ความต้องการที่จะต้องดำเนินการในการสร้างและการประเมินผลรูปแบบ 3 มิติอาจจะเป็น
ค่อนข้างสูงและทำให้ค่อนข้างเทอะทะถ้าใช้สำหรับกระบวนการอัตโนมัติ
เช่นการเรียงลำดับ ในการศึกษานี้จะได้รับการแสดงให้เห็นว่าผลัดกัน
มวลจะถูกประเมินบนพื้นฐานของ

ผลลัพธ์ (ไทย) 2:

ใช้ Eq. (5) การประเมินโดยรวมผลไม้จาก optically พบ
ยาวไม่ทำให้ผลลัพธ์ที่น่าพอใจ มวลผลไม้ถูก
overestimated 29% และมูลค่าคำนวณได้แสดงให้เห็นว่าความแปรผันสูง
(R2 = 0.56) จึงสันนิษฐานว่า เป็นผลรวมของ L
เป็นตัวที่แสดงทอมความสัมพันธ์น้อยที่สุด และที่
สำหรับความผันผวนสูงกว่าค่าที่กำหนด photographically
สำหรับ L เมื่อเทียบกับค่าที่วัดด้วยตนเอง (Fig. 4B) .
ก่อนหน้านี้ที่ แสดง การประมวลผลภาพที่เชื่อถือได้ช่วยให้
ทำภาพแบบ 2D raster ผลไม้วัด (Yimyam
et al., 2005), RGB สีวิเคราะห์ ซึ่งสามารถใช้ตาม
สร้างโมเดล 3 มิติถ้าหลายภาพจากมุมที่แตกต่าง
รวม (Chalidabhongse และ al., 2006) แม้ว่าข้อมูลเชิงคณนา
เวลาไม่ได้รับการเผยแพร่ จำนวนข้อมูลที่
ต้องดำเนินการเพื่อสร้าง และประเมิน 3 มิติแบบจำลองอาจ
ค่อนข้างสูง และดังนั้นค่อนข้าง unwieldy ถ้าใช้สำหรับการอัตโนมัติ
ประมวลผลเช่นเรียงลำดับได้ ในการศึกษานี้ จะได้รับการแสดงที่ หรือ,
มวลความตาม

ผลลัพธ์ (ไทย) 3:

การใช้ EQ . ( 5 )ในการประเมินผลที่ได้จากการตรวจพบออปติก
ซึ่งจะช่วยความยาวไม่ได้ทำให้ผลน่าพอใจ. มวลชนผลไม้ที่เป็น
พอประมาณโดย 29% และค่าที่แสดงให้เห็นได้จากการคำนวณสูง
( R 2 = 0.56 ) โรงแรมได้รับการสันนิษฐานว่าอันนี้เป็นผลรวมของ L
ซึ่งจะช่วยเป็นปัจจัยที่มีความสัมพันธ์กันระหว่างทอมอย่างน้อยและได้ค่อนข้างสูงขึ้น
ซึ่งจะช่วยให้การกำหนดค่าที่เกี่ยวกับการถ่ายรูป
สำหรับ L เป็นเมื่อเทียบกับวัดค่าด้วยตนเอง(รูปที่. 4 b )..
ที่เคยแสดงการประมวลผล ภาพ รุ่นช่วยให้น่าเชื่อถือ
ซึ่งจะช่วยให้ คุณภาพ ของวอร์ม 2 D ที่ได้จากผลไม้วัดได้( yimyam
et al . 2005 )ซึ่งใช้ในการวิเคราะห์สี RGB ซึ่งสามารถใช้ในการ
ซึ่งจะช่วยสร้างโมเดล 3 D หาก ภาพ จากมุมที่แตกต่างกันเป็น
ซึ่งจะช่วยรวมกัน( chalidabhongse et al . 2006 ) แม้ว่าข้อมูลในนวัตกรรมตอบแทน
เวลาไม่มีการเผยแพร่ข้อมูลที่
ความต้องการในการได้รับการดำเนินการในการสร้างและการประเมินรุ่น 3 D ที่อาจเป็น
ซึ่งจะช่วยทำให้ค่อนข้างสูงและค่อนข้างจะอุ้ยอ้ายหากใช้โดยอัตโนมัติสำหรับกระบวนการ
ซึ่งจะช่วยได้เช่นการเรียงลำดับ ในการศึกษานี้ได้แสดงให้เห็นว่ามีทางเลือกสำหรับ
จำนวนมากสามารถได้รับการประมาณการโดยใช้