(Fig. 4a). Finally, 110 image data

(Fig. 4a). Finally, 110 image data were used to obtain the accuracy
of classification of CV. The confusion matrix showing the
classification results of CV is given in Table 2. The diagonal
elements in the confusion matrix show the number of correctly
classified instances. In the first column, the first element shows
the number of data points that belong to the CV class and are
classified by algorithm as CV. The second element shows the
number of data points belonging to the CV class but misclassified
as other weed seeds.
Shape of cleavers was spherical and other weed seeds
(cornflower, GBP) were non-spherical. Therefore, recognition of
the cleavers was done using morphology features. Since major
and minor axes are equal in spherical objects so ratio of them is
near 1, while for non-spherical objects, the ratio of major axis/
minor axis is more than 1 (Fig. 4b). For this purpose, shape factor
1 (majoraxis/minoraxis) was used for recognizing cleavers from
other remaining weed seeds. In cases that length of broken weed
seeds was less than half, shape of them was square, so major and
minor axis were equal. In this case, the broken weed seeds with
length less than half were recognized with
cleavers (Fig. 4b). For solving this problem
shape factor 2 was used (Fig. 4c). Table 2
shows the result obtained for the recognition
the cleavers.
GBP and cornflower were almost similar in
term of shape (Fig. 4b, c). They were nonspherical.
So it was not possible to recognize
them based on morphology features. Texture
features could not recognize GBP and
cornflower from each other too. On the other
hand, the analysis of 50 images randomly
shown that samples were different in term of
colour. So, the colour features were used for
recognition of two remained weed seeds from
each other. Extracting and considering the
different colour models showed that the
saturation component could be suitable for
recognizing two other weed seeds. For this
purpose mean, variance and kurtosis of the
saturation component was used (Fig. 4d-f).
Analysis of 110 images showed that

ผลลัพธ์ (ไทย) 1:

(รูปที่ 4a) ในที่สุด ใช้ข้อมูลภาพ 110 จะได้รับความถูกต้องการจัดประเภทของ CV แสดงเมตริกซ์ความสับสนในการผลการจัดประเภทของ CV ได้ถูกกำหนดในตารางที่ 2 เส้นทแยงมุมองค์ประกอบในเมตริกซ์สับสนแสดงอย่างถูกต้องจัดอินสแตนซ์ องค์ประกอบแรกที่แสดงในคอลัมน์แรกจำนวนของจุดข้อมูลที่อยู่ในคลาส CV และมีจัด โดยอัลกอริทึมเป็น CV การแสดงองค์ประกอบสองตัวจำนวนของจุดข้อมูลเป็นระดับ CV แต่งานของเป็นเมล็ดพันธุ์วัชพืชอื่น ๆรูปร่างของมีดใหญ่มีเมล็ดวัชพืช และทรงกลม(คอร์นฟลาวเวอร์ GBP) ไม่ใช่ทรงกลม ดังนั้น การรับรู้ของทำมีดใหญ่ใช้ลักษณะสัณฐานวิทยา ตั้งแต่วิชาและแกนรองจะเท่ากับวัตถุทรงกลมดังนั้นอัตราของพวกเขาใกล้ 1 ในขณะที่สำหรับวัตถุที่ไม่ใช่ทรงกลม อัตราส่วนของแกนหลัก /แกนรองเป็นมากกว่า 1 (รูปที่ 4b) สำหรับวัตถุประสงค์นี้ รูปร่างสัดส่วนใช้สำหรับรับรู้มีดใหญ่จาก 1 (majoraxis/minoraxis)เมล็ดพันธุ์วัชพืชอื่น ๆ ที่เหลือ ในกรณีที่ความยาวของวัชพืชเสียเมล็ดมีน้อยกว่าครึ่งหนึ่ง รูปร่างของพวกเขาเป็นสแควร์ หลักดังนั้น และแกนรองเท่าได้ ในกรณีนี้ วัชพืชเสียเมล็ดด้วยความยาวน้อยกว่าครึ่งหนึ่งรับรู้ด้วยมีดใหญ่ (รูปที่ 4b) สำหรับการแก้ไขปัญหานี้รูปร่างปัจจัยที่ 2 คือ ใช้ (รูป 4 c) ตารางที่ 2แสดงผลที่ได้รับการบันทึกมีดบังตอGBP และคอร์นฟลาวเวอร์ก็แทบจะเหมือนกันในระยะของรูปร่าง (รูป 4b, c) พวกเขาเป็น nonsphericalจึง ไม่ได้รับรู้พวกเขาตามลักษณะสัณฐานวิทยา เนื้อคุณสมบัติไม่รู้จัก GBP และคอร์นฟลาวเวอร์จากกันเกินไป อื่น ๆมือ วิเคราะห์ 50 ภาพโดยการสุ่มแสดงว่า ตัวอย่างแตกต่างกันในระยะของสี ดังนั้น ใช้สีคุณลักษณะสำหรับการรับรู้ของสองเมล็ดวัชพืชที่เหลือจากกันและกัน แยก และพิจารณาการรูปแบบสีที่แตกต่างกันแสดงให้เห็นว่าการความอิ่มตัวของคอมโพเนนต์อาจเหมาะสำหรับตระหนักถึงสองเมล็ดวัชพืชอื่น ๆ สำหรับเรื่องนี้วัตถุประสงค์หมายถึงอะไร ผลต่าง และสเชิงของการความอิ่มตัวของคอมโพเนนต์ถูกใช้ (รูป 4d-f)วิเคราะห์ภาพที่ 110 แสดงให้เห็นว่า

ผลลัพธ์ (ไทย) 2:

(รูป. 4A) สุดท้าย 110 ข้อมูลภาพถูกนำมาใช้เพื่อให้ได้ความถูกต้อง
ของการจำแนกประเภทของ CV เมทริกซ์สับสนแสดง
ผลการจัดหมวดหมู่ของ CV จะได้รับในตารางที่ 2 เส้นทแยงมุม
องค์ประกอบในเมทริกซ์สับสนแสดงจำนวนอย่างถูกต้อง
กรณีจัด ในคอลัมน์แรก, องค์ประกอบแรกที่แสดงให้เห็น
จำนวนของจุดข้อมูลที่อยู่ในชั้นเรียน CV และมีการ
จำแนกตามขั้นตอนวิธีการเป็น CV องค์ประกอบที่สองแสดงให้เห็นถึง
จำนวนของจุดข้อมูลที่อยู่ในระดับ CV แต่แบ่ง
เป็นเมล็ดวัชพืชอื่น ๆ .
รูปแบบของ cleavers เป็นทรงกลมและเมล็ดวัชพืชอื่น ๆ
(ดอกไม้ชนิดหนึ่ง, GBP) ก็ไม่ใช่ทรงกลม ดังนั้นการรับรู้ของ
cleavers ก็ทำได้โดยใช้คุณสมบัติทางสัณฐานวิทยา ตั้งแต่ที่สำคัญ
แกนและรายย่อยมีค่าเท่ากันในวัตถุทรงกลมเพื่อให้อัตราส่วนของพวกเขาคือการ
อยู่ใกล้กับ 1 ในขณะที่สำหรับวัตถุที่ไม่ใช่ทรงกลมอัตราส่วนของแกนหลักที่ /
แกนรองมากกว่า 1 (รูป. 4b) เพื่อจุดประสงค์นี้รูปร่างปัจจัย
ที่ 1 (majoraxis / minoraxis) ถูกนำมาใช้ในการตระหนักถึง cleavers จาก
คนอื่น ๆ ที่เหลือเมล็ดวัชพืช ในกรณีที่ความยาวของเสียวัชพืชที่
เมล็ดน้อยกว่าครึ่งหนึ่งรูปร่างของพวกเขาคือตารางดังนั้นที่สำคัญและ
แกนรองเท่ากับ ในกรณีนี้เมล็ดวัชพืชเสียที่มี
ความยาวน้อยกว่าครึ่งหนึ่งได้รับการยอมรับกับ
cleavers (รูป. 4b) สำหรับการแก้ปัญหานี้
รูปร่างปัจจัยที่ 2 ถูกนำมาใช้ (รูป. 4C) ตารางที่ 2
แสดงให้เห็นถึงผลที่ได้รับสำหรับการรับรู้
cleavers ได้.
GBP และดอกไม้ชนิดหนึ่งเกือบจะคล้ายกันใน
ระยะของรูปร่าง (รูป. 4B, C) พวกเขา nonspherical.
ดังนั้นจึงเป็นไปไม่ได้ที่จะยอมรับ
พวกเขาขึ้นอยู่กับคุณสมบัติลักษณะทางสัณฐานวิทยา เนื้อ
คุณสมบัติไม่สามารถรับรู้ GBP และ
ดอกไม้ชนิดหนึ่งจากแต่ละอื่น ๆ มากเกินไป ในอื่น ๆ
มือวิเคราะห์ 50 ภาพสุ่ม
แสดงให้เห็นว่ากลุ่มตัวอย่างมีความแตกต่างในแง่ของ
สี ดังนั้นคุณสมบัติสีถูกนำมาใช้สำหรับ
การรับรู้ของทั้งสองยังคงเมล็ดวัชพืชจาก
แต่ละอื่น ๆ การสกัดและการพิจารณา
รูปแบบสีที่แตกต่างแสดงให้เห็นว่า
องค์ประกอบความอิ่มตัวอาจจะเหมาะสำหรับ
การตระหนักถึงสองเมล็ดวัชพืชอื่น ๆ สำหรับครั้งนี้
มีวัตถุประสงค์เพื่อหมายถึงความแปรปรวนและความโด่งของ
องค์ประกอบความอิ่มตัวของสีที่ใช้ (รูป. 4D-F).
การวิเคราะห์ 110 ภาพที่แสดงให้เห็นว่า

ผลลัพธ์ (ไทย) 3:

( รูปที่ 4 ) ในที่สุด , 110 ข้อมูลภาพถูกใช้เพื่อให้ได้ความถูกต้องการจำแนกพันธุ์ เมทริกซ์แสดงความสับสนผลของการ CV จะได้รับในตารางที่ 2 เส้นทแยงมุมองค์ประกอบในความสับสนเมทริกซ์แสดงจํานวนได้อย่างถูกต้องตามกรณี ในคอลัมน์แรก ธาตุแรก แสดงจำนวนของจุดข้อมูลที่เป็นของ CV ระดับและตามขั้นตอนวิธีเป็นพันธุ์ องค์ประกอบที่สองแสดงจำนวนของจุดข้อมูลที่เป็นของชั้น แต่ misclassified พันธุ์เป็นเมล็ดวัชพืชอื่น ๆรูปร่างเป็นทรงกลมและ cleavers เมล็ดวัชพืชอื่น ๆ( คอร์นฟลาวเวอร์ GBP ) ไม่ใช่ทรงกลม ดังนั้น การรับรู้ของและ cleavers โดยใช้คุณสมบัติของ . ตั้งแต่หลักและแกนเล็กไม่เท่ากันในวัตถุทรงกลม ดังนั้นอัตราส่วนของพวกเขาคือใกล้ 1 , ในขณะที่บนวัตถุทรงกลม , อัตราส่วนของแกนหลัก /แกนเล็กมีมากกว่า 1 ( ภาพ 4B ) ค่าปัจจัยรูปร่างสำหรับวัตถุประสงค์นี้1 ( majoraxis / minoraxis ) ถูกใช้สำหรับการตระหนักถึง cleavers จากที่เหลือเมล็ดวัชพืช . ในกรณีที่ความยาวของแตก วัชพืชเมล็ดน้อยกว่าครึ่ง รูปร่างของพวกเขาเป็นสี่เหลี่ยม ดังนั้น หลัก และแกนน้อย เป็น เท่าเทียมกัน ในกรณีนี้ , ทำลายเมล็ดวัชพืชด้วยความยาวน้อยกว่าครึ่งหนึ่งได้รับการยอมรับกับcleavers ( ภาพ 4B ) เพื่อแก้ปัญหานี้รูปที่ 2 คือใช้ ( รูปที่ 4C ) ตารางที่ 2แสดงผลที่ได้รับสำหรับการยอมรับและ cleavers .คอร์นฟลาวเวอร์เป็น GBP และคล้ายกับในส่วนรูป ( รูปที่ 4B , C ) พวกเขา nonspherical .ดังนั้นมันเป็นไปไม่ได้ที่จะจำพวกเขาตามลักษณะสัณฐานวิทยา . พื้นผิวคุณสมบัติที่ไม่อาจรับรู้ GBP และคอร์นฟลาวเวอร์จากแต่ละอื่น ๆด้วย ในอื่น ๆมือ , การวิเคราะห์ 50 ภาพแบบสุ่มแสดงให้เห็นว่าจำนวนแตกต่างกันสี ดังนั้น คุณสมบัติที่ใช้เป็นสีการรับรู้ของทั้งสองยังคงเมล็ดวัชพืชจากแต่ละอื่น ๆ การสกัดและการพิจารณารุ่น สี ที่แตกต่างกัน พบว่าส่วนอิ่มตัวอาจจะเหมาะสำหรับจำสองเมล็ดวัชพืชอื่น ๆ สำหรับนี้หมายถึงความแปรปรวนและความโด่งของวัตถุประสงค์ส่วนของที่ใช้ ( รูปที่ 4d-f )การวิเคราะห์ 110 ภาพ พบว่า