Neural identification of images showing selected varieties of stored potatoes

• Autorzy: Lange D. M. , Przybył K. , Łukomski M. , Koszela K. , Boniecki P.

Warianty tytułu

PL

Neuronowa identyfikacja obrazów wybranych odmian magazynowanych ziemniaków

• Języki publikacji: EN

Abstrakty

EN

In recent years, there has been a growing interest in the use of modern IT tools in agricultural engineering. Both image analysis methods and artificial neural networks, designed to reproduce the work of the human brain, serve to build predictive and classification models, highly useful for modern agriculture. Correct identification of both the seed material and the produced crops becomes a priority of agricultural engineering, ensuring adequate efficiency and cost-effectiveness of agrotechnical operations. This article presents a project whose aim was to develop an effective neural model for qualitative identification of the variety of stored consumer potato tubers by using input data obtained in the process of digital image analysis. The designed and created artificial neural network model (multilayer perceptron), using informations in the form of selected graphic descriptors, classifies three selected varieties of edible potato (Denar, Gala, Vineta).

PL

W ostatnich latach dostrzec można wzrastające zainteresowanie wykorzystywaniem nowoczesnych narzędzi informatycznych w inżynierii rolniczej. Zarówno metody analizy obrazu, jak i sztuczne sieci neuronowe, mające odwzorowywać pracę ludzkiego mózgu, służą budowaniu modeli predykcyjnych i klasyfikacyjnych, wysoce użytecznych dla współczesnego rolnictwa. Właściwa identyfikacja zarówno materiału siewnego, jak i wytworzonych plonów, staje się priorytetem inżynierii rolniczej, zapewniając odpowiednią efektywność i opłacalność przeprowadzanych zabiegów agrotechnicznych. Niniejszy artykuł przedstawia projekt, którego celem było opracowanie efektywnego modelu neuronowego służącego do identyfikacji jakościowej odmiany magazynowanych bulw ziemniaków konsumpcyjnych przy użyciu danych wejściowych pozyskanych w procesie analizy obrazów cyfrowych. Zaprojektowany i wytworzony model sztucznej sieci neuronowej (perceptron wielowarstwowy), korzystający z informacji w postaci wybranych deskryptorów graficznych, klasyfikuje trzy wybrane odmiany ziemniaka jadalnego (Denar, Gala, Vineta).

Słowa kluczowe

EN

artificial neural networks; neural modeling; image analysis; graphic descriptors; edible potato tubers

PL

sztuczne sieci neuronowe; modelowanie neuronowe; analiza obrazu; deskryptor graficzny; bulwa; ziemniak jadalny

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Journal of Research and Applications in Agricultural Engineering
• Rocznik: 2018
• Tom: Vol. 63, nr 4
• Strony: 110--113
• Opis fizyczny: Bibliogr. 10 poz., rys., tab. wykr.

Twórcy

autor

Lange D. M.

• Poznan University of Life Sciences, Institute of Biosystems Engineering ul. Wojska Polskiego 50, 60-637 Poznań, Poland

autor

Przybył K.

• Poznan University of Life Sciences, Institute of Plant Origin Food Technology, Poland

autor

Łukomski M.

• Poznan University of Life Sciences, Institute of Biosystems Engineering ul. Wojska Polskiego 50, 60-637 Poznań, Poland

autor

Koszela K.

• Poznan University of Life Sciences, Institute of Biosystems Engineering ul. Wojska Polskiego 50, 60-637 Poznań, Poland

autor

Boniecki P.

• Poznan University of Life Sciences, Institute of Biosystems Engineering ul. Wojska Polskiego 50, 60-637 Poznań, Poland

Bibliografia

• [1] Boniecki P.: Elementy modelowania neuronowego w rolnictwie. Wydawnictwo Uniwersytetu Przyrodniczego w Poznaniu, 2008.
• [2] Rozkrut D. (red.): Rocznik Statystyczny Rolnictwa 2017. Warszawa: Zakład Wydawnictw Statystycznych, 2016.
• [3] Sęk T., Przybył J.: Technika i technologia produkcji ziemniaków. Wydawnictwo Uniwersytetu Przyrodniczego w Poznaniu, 2015.
• [4] Lisińska G., Leszczyński W.: Potato science and technology. Elsevier Applied Science, London 1989.
• [5] Kunachowicz H., Nadolna I., Iwanow K., Przygoda B.: Wartość odżywcza niektórych produktów spożywczych i wybranych potraw. Warszawa: Wydawnictwo PZWL, 2011.
• [6] Sęk T., Przybył J.: Projektowanie inżynierskie procesów technologicznych. Wydawnictwo Uniwersytetu Przyrodniczego w Poznaniu, 2015.
• [7] Koszela K., Weres J.: Neuronowa klasyfikacja obrazów suszu warzywnego. Inżynieria Rolnicza, 2009, 8 (117).
• [8] Tadeusiewicz R.: Sieci neuronowe. Warszawa: Akad. Oficyna Wyd. RM, 1993.
• [9] Orłowski M., Kołota E.: Uprawa warzyw. Szczecin: Wydawnictwo BRASIka, 1999.
• [10] Boniecki, P., Nowakowski, K., Tomczak, R.: Neural networks type MLP in the process of identification chosen varieties of maize. In: Third International Conference on Digital Image Processing (ICDIP 2011), Proceedings of SPIE, 2011.