In this research we built a working

In this research we built a working model of a date fruit grading and sorting system including both: the hardware and the
software. The working prototype of the system is shown in
Fig. 9below. The hardware includes the conveyer, camera control and helm control systems. The software system analyzes
the fruit image and classifies them. The maximum accuracy
of the system is 80% which is attained by model 2 in classifying
the grade 2 fruit.
We observed problems in detecting the flabbiness from the
color. An impact sensor might improve flabbiness detection.
Our fruit quality grading into three grades was based on human perception. A formal feature distribution based method
need to be developed to determine the fruit quality grade from
the samples. We feel that this should improve the classification
accuracy. To determine the feature based grades we are investigating the suitability of the unsupervised learning techniques.
We are in the process of applying self organizing map to obtain
the fruit grade clusters using the feature distribution in large
samples

ผลลัพธ์ (ไทย) 1:

ในงานวิจัยนี้ เราได้สร้างรูปแบบการทำงานวันผลไม้จัดเกรด และระบบรวมทั้งการเรียงลำดับ: ฮาร์ดแวร์และซอฟต์แวร์ ต้นแบบการทำงานของระบบจะแสดงFig. 9below ฮาร์ดแวร์ประกอบด้วยสายพานลำเลียง ควบคุมและโอกาสควบคุมระบบ ระบบซอฟต์แวร์จะวิเคราะห์ผลไม้ภาพ และแบ่งประเภทของพวกเขา ความถูกต้องสูงสุดระบบเป็น 80% ซึ่งจะได้แบบจำลองที่ 2 ในประเภทผลไม้เกรด 2เราพบปัญหาในการตรวจหา flabbiness จากการสี เซนเซอร์มีผลกระทบอาจปรับปรุงตรวจสอบ flabbinessคุณภาพผลไม้จัดเกรดเป็น 3 เกรดเป็นไปตามการรับรู้ของมนุษย์ วิธีการจำหน่ายตามคุณลักษณะทางจำเป็นต้องได้รับการพัฒนาในการกำหนดเกรดคุณภาพผลไม้จากตัวอย่างการ เรารู้สึกว่า นี้ควรปรับปรุงการจัดประเภทความถูกต้อง การกำหนดเกรดคุณลักษณะตาม เราจะตรวจสอบความเหมาะสมของเทคนิคเรียน unsupervisedเราอยู่ในกระบวนการใช้แผนที่เพื่อขอรับการจัดระเบียบตัวเองผลเกรดโดยใช้การแจกแจงคุณลักษณะในคลัสเตอร์ตัวอย่าง

ผลลัพธ์ (ไทย) 2:

ในงานวิจัยนี้เราสร้างรูปแบบการทำงานของการจัดลำดับวันผลไม้และระบบการคัดแยกทั้งฮาร์ดแวร์และ
ซอฟแวร์ ต้นแบบการทำงานของระบบจะแสดงใน
รูปที่ 9below ฮาร์ดแวร์รวมถึงสายพานลำเลียง, การควบคุมกล้องและระบบการควบคุมหางเสือ ระบบซอฟต์แวร์การวิเคราะห์
ภาพผลไม้และแยกประเภทพวกเขา ความถูกต้องสูงสุด
ของระบบเป็น 80% ซึ่งจะบรรลุโดย 2 รูปแบบในการจัดชั้น
ชั้นประถมศึกษาปีที่ 2 ผลไม้.
เราสังเกตเห็นปัญหาในการตรวจสอบความอ่อนแอจาก
สี เซ็นเซอร์ผลกระทบอาจจะปรับปรุงการตรวจสอบความอ่อนแอ.
การจัดลำดับผลไม้ที่มีคุณภาพของเราเป็นสามเกรดขึ้นอยู่กับการรับรู้ของมนุษย์ การจัดจำหน่ายอย่างเป็นทางการคุณลักษณะตามวิธีการ
จะต้องมีการพัฒนาเพื่อตรวจสอบคุณภาพเกรดผลไม้จาก
กลุ่มตัวอย่าง เรารู้สึกว่าเรื่องนี้ควรจะปรับปรุงการจัดหมวดหมู่
ความถูกต้อง การตรวจสอบคุณสมบัติตามเกรดที่เรากำลังตรวจสอบความเหมาะสมของเทคนิคการเรียนรู้ใกล้ชิด.
เราอยู่ในกระบวนการของการใช้แผนที่การจัดระเบียบตัวเองเพื่อให้ได้
กลุ่มเกรดผลไม้โดยใช้คุณสมบัติในการกระจายขนาดใหญ่
ตัวอย่าง

ผลลัพธ์ (ไทย) 3:

ในงานวิจัยนี้ได้สร้างแบบจำลองการทำงานของระบบการจัดเรียงวันที่ผลไม้เกรดและรวมถึงทั้งฮาร์ดแวร์ และซอฟต์แวร์
. ต้นแบบการทำงานของระบบแสดงในรูปที่ 9below
. ฮาร์ดแวร์รวมถึงสายพาน การควบคุมกล้อง และระบบการควบคุมหางเสือ ระบบซอฟต์แวร์วิเคราะห์
ภาพผลไม้และระหว่างพวกเขา
ความถูกต้องสูงสุดของระบบเป็น 80% ซึ่งเป็นที่บรรลุโดยแบบจำลองที่ 2 ในหมวดหมู่

เกรด 2 ผลไม้ ที่เราพบปัญหาในการตรวจหา flabbiness จาก
สี ผลกระทบเซ็นเซอร์อาจปรับปรุงการตรวจสอบ flabbiness .
ของเราออกเป็น 3 เกรด คือ เกรดคุณภาพผลขึ้นอยู่กับการรับรู้ของมนุษย์ คุณลักษณะการใช้วิธีการ
อย่างเป็นทางการจะต้องได้รับการพัฒนาเพื่อตรวจสอบคุณภาพของผลไม้เกรด
ตัวอย่างเรารู้สึกว่ามันควรจะปรับปรุงการจำแนก
ความถูกต้อง เพื่อตรวจสอบคุณสมบัติตามเกรดที่เราได้ตรวจสอบความเหมาะสมของเทคนิคการเรียนรู้แบบไม่มีผู้สอน .
เราอยู่ในกระบวนการของการสมัครด้วยตนเองการจัดแผนที่ขอรับ
ผลไม้เกรดกลุ่มที่ใช้คุณลักษณะการกระจายขนาดใหญ่
ในตัวอย่าง