In order to carry out a digital ima

In order to carry out a digital image analysis in food, it is necessary to know the color measure of each pixel on the surface of the food
item. However, there are at present no commercial L*a*b* color measures in pixels available because the existing commercial colorimeters
generally measure small, non-representative areas of a few square centimeters. Given that RGB digital cameras obtain information in
pixels, this article presents a computational solution that allows the obtaining of digital images in L*a*b* color units for each pixel of
the digital RGB image. This investigation presents five models for the RGB !L*a*b* conversion and these are: linear, quadratic,
gamma, direct, and neural network. Additionally, a method is suggested for estimating the parameters of the models based on a minimization
of the mean absolute error between the color measurements obtained by the models, and by a commercial colorimeter for uniform
and homogenous surfaces. In the evaluation of the performance of the models, the neural network model stands out with an error
of only 0.93%. On the basis of the construction of these models, it is possible to find a L*a*b* color measuring system that is appropriate
for an accurate, exacting and detailed characterization of a food item, thus improving quality control and providing a highly useful tool
for the food industry based on a color digital camera

ผลลัพธ์ (ไทย) 1:

การดำเนินการวิเคราะห์ภาพดิจิตอลในอาหาร จำเป็นต้องทราบการวัดสีของแต่ละพิกเซลบนพื้นผิวของอาหารสินค้า อย่างไรก็ตาม มีอยู่ในปัจจุบัน L ไม่เชิงพาณิชย์ * เป็น * b * สีวัดเซลว่างเนื่องจาก colorimeters เชิงพาณิชย์ที่มีอยู่โดยทั่วไปจะวัดขนาดเล็ก ไม่ใช่ตัวแทนพื้นที่กี่ตารางเซนติเมตร ระบุว่ากล้องดิจิตอล RGB ได้รับข้อมูลในพิกเซล แก้ไขปัญหาคอมพิวเตอร์ที่ช่วยให้รับภาพดิจิตอลใน L นำเสนอบทความนี้ * เป็น * b * หน่วยสีสำหรับแต่ละพิกเซลของภาพ RGB ดิจิตอล นี้นำเสนอ 5 รูปแบบสำหรับ RGB L * เป็น * b * แปลงและเหล่านี้คือ: เส้น กำลัง สองแกมมา โดยตรง และประสาทเครือข่าย นอกจากนี้ การแนะนำวิธีการประมาณพารามิเตอร์ของแบบจำลองที่ขึ้นอยู่กับการลดภาระการข้อผิดพลาดสัมบูรณ์เฉลี่ยระหว่างสีวัดได้ โดยแบบจำลอง และเครื่องเชิงพาณิชย์สำหรับเครื่องแบบและพื้นผิวให้ ในการประเมินประสิทธิภาพของรูปแบบ แบบจำลองโครงข่ายประสาทโดดเด่นกับข้อผิดพลาดเพียง 0.93% โดยการก่อสร้างของโมเดลเหล่านี้ เป็นไปได้หา L การ * * b * สีวัดระบบที่เหมาะสมสำหรับคุณสมบัติที่ถูกต้อง ความต้องการ และรายละเอียดของรายการอาหาร ปรับปรุงคุณภาพ และให้เครื่องมือที่มีประโยชน์สูงสำหรับอุตสาหกรรมอาหารตามสีกล้องดิจิตอล

ผลลัพธ์ (ไทย) 2:

In order to carry out a digital image analysis in food, it is necessary to know the color measure of each pixel on the surface of the food
เพื่อที่จะดำเนินการวิเคราะห์ภาพดิจิตอลอาหารก็เป็นสิ่งจำเป็นที่จะรู้ว่าวัดสีของแต่ละพิกเซลบนพื้นผิวของอาหารที่รายการ แต่มีในปัจจุบันไม่มีการค้า item. However, there are at present no commercial L*a*b* color measures in pixels available because the existing commercial colorimeters
มาตรการสีพิกเซลใช้ได้เพราะคัลเลอริมิเตอร์เชิงพาณิชย์ที่มีอยู่โดยทั่วไปในการวัดขนาดเล็กพื้นที่ที่ไม่ได้เป็นตัวแทนของตารางเซนติเมตรไม่กี่ ระบุว่า generally measure small, non-representative areas of a few square centimeters. Given that RGB digital cameras obtain information in
กล้องดิจิตอลได้รับข้อมูลในพิกเซลบทความนี้นำเสนอวิธีการแก้ปัญหาการคำนวณที่ช่วยให้ผู้ที่ได้รับของภาพดิจิตอลใน pixels, this article presents a computational solution that allows the obtaining of digital images in L*a*b* color units for each pixel of
หน่วยสีสำหรับแต่ละพิกเซลของภาพRGB การตรวจสอบนี้นำเสนอห้ารุ่นสำหรับ the digital RGB image. This investigation presents five models for the RGB !L*a*b* conversion and these are: linear, quadratic,
เชิงเส้นกำลังสองแกมมาโดยตรงและโครงข่ายประสาทเทียม gamma, direct, and neural network. Additionally, a method is suggested for estimating the parameters of the models based on a minimization
of the mean absolute error between the color measurements obtained by the models, and by a commercial colorimeter for uniform
and homogenous surfaces. In the evaluation of the performance of the models, the neural network model stands out with an error
of only 0.93%. On the basis of the construction of these models, it is possible to find a L*a*b* color measuring system that is appropriate
for an accurate, exacting and detailed characterization of a food item, thus improving quality control and providing a highly useful tool
for the food industry based on a color digital camera

ผลลัพธ์ (ไทย) 3:

เพื่อดำเนินการวิเคราะห์ภาพดิจิตอลในอาหาร มันเป็นสิ่งจำเป็นที่จะรู้ว่าสีวัดของแต่ละพิกเซลบนพื้นผิวของสินค้าอาหาร

อย่างไรก็ตาม ปัจจุบันมีไม่พาณิชย์ L * a * b * สีวัดในพิกเซลที่มีอยู่ เพราะที่มีอยู่ในเชิงพาณิชย์ colorimeters
โดยทั่วไปวัดเล็ก ไม่ใช่ตัวแทนของเซนติเมตร พื้นที่สี่เหลี่ยมบางระบุว่า RGB กล้องดิจิตอลได้รับข้อมูลใน
พิกเซล บทความนี้นำเสนอโซลูชั่นที่ช่วยให้คอมพิวเตอร์ได้รับภาพดิจิตอลใน L * a * b * สีหน่วยสำหรับแต่ละพิกเซล
ภาพ RGB ดิจิตอล การตรวจสอบนี้แสดงห้ารูปแบบ RGB ! L * a * b * การแปลงและเหล่านี้คือ : เชิงเส้นกำลังสอง
, แกมมา , โดยตรง , และโครงข่ายประสาทเทียม . นอกจากนี้วิธีจะแนะนำสำหรับการประมาณค่าพารามิเตอร์ของแบบจำลองที่ใช้ในการลด
ของสัมบูรณ์เฉลี่ยข้อผิดพลาดระหว่างสีวัดได้จากแบบจำลองและจากคัลเลอริมิเตอร์เชิงพาณิชย์สำหรับเครื่องแบบ
และพื้นผิวยึดเกาะ . ในการประเมินประสิทธิภาพของรูปแบบ รูปแบบเครือข่ายประสาทยืนออกกับข้อผิดพลาด
เพียง 0.93 %บนพื้นฐานของการสร้างโมเดลเหล่านี้ก็เป็นไปได้ที่จะหา L * a * b * สีระบบการวัดที่เหมาะสม
เพื่อความถูกต้องอย่างเข้มงวดและรายละเอียดคุณสมบัติของสินค้าอาหาร , การปรับปรุงการควบคุมคุณภาพดังนั้นและให้เครื่องมือที่มีประโยชน์อย่างมาก
สำหรับอุตสาหกรรมอาหารตามสี กล้องดิจิตอล