Twelve color features were extracte

Twelve color features were extracted from the bean
images. Table 1 lists descriptive statistics of the bean
color features computed from images. They are seed
color components (whole seed and spot seed), in the
RGB model (which stands for Red, Green and Blue
channels) and HSI model (that stands for Hue, Saturation
and Intensity channels, measured as mean grey
levels). Twelve of the color feature values were plotted
against bean varieties (Fig. 4). As can be seen in this
figure, it is clear that less overlapping features are more
efficient in separating the bean varieties. There were
complex relationships between bean varieties and color
features. It was difficult to develop a simple model,
like a linear model to predict bean varieties on these
color features. Therefore all the 12 variables of seed
color and spot information were inserted in the model
of the MLP-ANN to identify the 10 varieties. The neural
networks, with four layers, were trained and selected
using two different data subsets (training and validation
sets, respectively) and were then tested, with the
experimental data not used in the two previous steps.
Several neural networks were trained and the network
which gave the minimum mean square error (MSE) of
the validation subset was chosen (Table 2). The two
hidden layers of the selected network had different
numbers of neurons, being 20 and 10, respectively.

ผลลัพธ์ (ไทย) 1:

สิบสองสีคุณลักษณะที่ถูกสกัดจากเมล็ดภาพ ตารางที่ 1 แสดงสถิติเชิงพรรณนาของเมล็ดสีคุณลักษณะคำนวณจากภาพ มีเมล็ดพันธุ์สี (ทั้งเมล็ดและเมล็ดพันธุ์จุด), ส่วนประกอบในการโมเดล RGB (ซึ่งย่อมาจากสีแดง เขียว และน้ำเงินช่อง และรุ่น HSI (ซึ่งหมายถึงสี ความอิ่มตัวและวัดความเข้มช่อง เป็นสีเทาหมายถึงระดับ) ค่าคุณลักษณะของสีสิบสองถูกพล็อตกับเมล็ดพันธุ์ (4 รูป) สามารถเห็นได้ในนี้คิด เป็นที่ชัดเจนหักซ้อนคุณสมบัติเพิ่มเติมมีประสิทธิภาพในการแยกพันธุ์ถั่ว มีความสัมพันธ์ระหว่างสีและสายพันธุ์ถั่วคุณสมบัติ ยากที่จะพัฒนาแบบจำลองอย่างง่ายเหมือนรูปแบบเชิงเส้นจะทำนายว่า เมล็ดพันธุ์บนเหล่านี้สีคุณลักษณะ ดังนั้นใน 12 ตัวแปรทั้งหมดของเมล็ดสีและจุดข้อมูลถูกแทรกในรูปแบบของ MLP-แอนระบุพันธุ์ 10 ของระบบประสาทการฝึกอบรม และเลือกเครือข่าย 4 ชั้นใช้สองชุดย่อยข้อมูลต่าง ๆ (การฝึกและตรวจสอบตั้งค่า ตามลำดับ) และจาก นั้น ทดสอบ ด้วยการข้อมูลทดลองที่ไม่ใช้ในขั้นตอนก่อนหน้าสองมีฝึกหลายเครือข่ายประสาท และเครือข่ายซึ่งให้ข้อผิดพลาดขั้นต่ำหมายถึงสแควร์ (MSE) ของเลือกชุดย่อยตรวจสอบ (ตาราง 2) ทั้งสองชั้นซ่อนของเครือข่ายที่เลือกมีที่แตกต่างจำนวนเซลล์ประสาท เป็น 20 และ 10 ตามลำดับ

ผลลัพธ์ (ไทย) 2:

สิบสองคุณสมบัติสีถูกสกัดจากถั่ว
ภาพ ตารางที่ 1 แสดงสถิติเชิงพรรณนาของถั่ว
คุณสมบัติสีคำนวณจากภาพ เขาเป็นเชื้อสาย
ส่วนประกอบของสี (เมล็ดธัญพืชและเมล็ดจุด) ใน
รูปแบบ RGB (ซึ่งหมายถึงสีแดงสีเขียวและสีฟ้า
ช่อง) และ HSI รุ่น (ที่ยืนสำหรับ Hue, Saturation
และช่องทางความเข้มสีเทาวัดค่าเฉลี่ย
ระดับ) สิบสองสีค่าคุณลักษณะที่ถูกพล็อต
กับพันธุ์ถั่ว (รูปที่. 4) ที่สามารถเห็นได้ในเรื่องนี้
ตัวเลขก็เป็นที่ชัดเจนว่าตรงที่ทับซ้อนกันน้อยมีมากขึ้น
ที่มีประสิทธิภาพในการแยกสายพันธุ์ถั่ว มี
ความสัมพันธ์ที่ซับซ้อนระหว่างพันธุ์ถั่วสีและ
คุณสมบัติ มันเป็นเรื่องยากที่จะพัฒนารูปแบบที่เรียบง่าย
เหมือนโมเดลเชิงเส้นตรงในการทำนายพันธุ์ถั่วเหล่านี้
คุณสมบัติสี ดังนั้นทั้งหมด 12 ตัวแปรของเมล็ด
สีและข้อมูลจุดที่ถูกแทรกอยู่ในรูปแบบ
ของ MLP-Ann เพื่อแจ้ง 10 สายพันธุ์ ประสาท
เครือข่ายที่มีสี่ชั้นได้รับการฝึกฝนและการเลือก
ใช้สองส่วนย่อยข้อมูลที่แตกต่างกัน (การฝึกอบรมและการตรวจสอบ
ชุดตามลำดับ) และได้รับการทดสอบแล้วกับ
ข้อมูลการทดลองที่ไม่ได้ใช้ในสองขั้นตอนก่อนหน้า.
เครือข่ายประสาทหลายคนได้รับการฝึกอบรมและเครือข่าย
ซึ่งทำให้ขั้นต่ำเฉลี่ยตารางข้อผิดพลาด (MSE) ของ
ระบบย่อยการตรวจสอบที่ได้รับเลือก (ตารางที่ 2) ทั้งสอง
ชั้นที่ซ่อนอยู่ของเครือข่ายที่เลือกที่แตกต่างกันมี
จำนวนของเซลล์ประสาทเป็น 20 และ 10 ตามลำดับ

ผลลัพธ์ (ไทย) 3:

คุณสมบัติสิบสองสีถูกสกัดจากถั่วภาพ ตารางที่ 1 แสดงสถิติของถั่วคุณสมบัติด้านสีจากภาพ พวกเขาเป็นเมล็ดพันธุ์องค์ประกอบสี และเมล็ดทั้งเมล็ดจุด ) , ในรูปแบบสี RGB ( ซึ่งหมายถึงสีแดง สีเขียว และสีน้ำเงินช่อง ) และรุ่น - ( ที่ยืนสำหรับสี , ความอิ่มตัวและช่องทางความเข้ม วัดเป็นค่าเฉลี่ยสีเทาระดับ ) สิบสองของคุณลักษณะค่าสีได้วางแผนกับพันธุ์ถั่ว ( รูปที่ 4 ) ที่สามารถเห็นได้ในนี้รูป , เป็นที่ชัดเจนว่าน้อยซ้อนกันมีมากขึ้นที่มีประสิทธิภาพในการแยกเมล็ดพันธุ์ มีความสัมพันธ์ที่ซับซ้อนระหว่างพันธุ์ถั่ว และสีคุณสมบัติ มันก็ยากที่จะพัฒนาแบบจำลองอย่างง่ายชอบแบบเชิงเส้นเพื่อทำนายเมล็ดพันธุ์เหล่านี้คุณสมบัติสี ดังนั้น ทั้งหมด 12 ตัวแปรของเมล็ดพันธุ์สีและจุดข้อมูลที่แทรกอยู่ในรูปแบบของ mlp-ann ระบุ 10 พันธุ์ ทางประสาทเครือข่าย มี 4 ชั้น คือ การฝึกอบรมและเลือกการใช้ที่แตกต่างกันสองส่วนย่อย ( การฝึกอบรมและการตรวจสอบข้อมูลชุด ตามลำดับ ) และได้ทดสอบกับการทดลองใช้ในก่อนหน้านี้สองขั้นตอนโครงข่ายประสาทเทียมหลายถูกฝึกและเครือข่ายซึ่งให้น้อยที่สุด Mean Square Error ( MSE ) ของการตรวจสอบย่อยถูกเลือก ( ตารางที่ 2 ) สองชั้นซ่อนของเครือข่ายที่ได้แตกต่างกันตัวเลขของเซลล์ประสาท เป็น 20 และ 10 ตามลำดับ