Dyskryminacja odmian ziarna pszenicy na podstawie cech geometrycznych

• Autorzy: Zapotoczny P.

Warianty tytułu

EN

Discrimination of wheat seed varieties on the basis of geometrical characteristics

• Języki publikacji: PL

Abstrakty

PL

Celem pracy było poszukiwanie takich wyróżników geometrii 16 odmian ziarna pszenicy, które pozwolą na ich dyskryminacje. Do identyfikacji właściwości geometrycznych wykorzystano stanowisko do komputerowej analizy obrazu, oparte na pozyskiwania obrazu ziarniaków za pomocą aparatu fotograficznego. Każdy z ziarniaków został opisany przez 66 zmiennych geometrycznych. Analiza statystyczna wyników przebiegała dwuetapowo. W pierwszym etapie przeprowadzono redukcję zmiennych do najlepiej dyskryminujących, natomiast w drugim etapie przeprowadzono analizę dyskryminacyjną. Błąd klasyfikacji odmian jarych wyniósł 10,55%, natomiast odmian ozimych 4,58%.

EN

The purpose of the work was to try to find these geometry characteristics for 16 wheat seed varieties, which will allow their discriminations. Workstation for computer image analysis, based on acquiring seed image using a camera, was used for identifying geometrical properties. Each seed was described by 66 geometrical variables. Statistical analysis of results proceeded in two stages. The first stage involved reduction of variables to those discriminating best, whereas discriminant analysis was made in the second stage. Classification error for spring varieties was 10.55%, and 4.58% for winter varieties.

Słowa kluczowe

PL

ziarno; analiza obrazu; klasyfikacja; geometria

EN

seed; image analysis; classification; geometry

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Inżynieria Rolnicza
• Rocznik: 2009
• Tom: R. 13, nr 5
• Strony: 319--328
• Opis fizyczny: Bibliogr. 15 poz., tab.

Twórcy

autor

Zapotoczny P.

• Katedra Inżynierii Procesów Rolniczych, Uniwersytet Warmińsko-Mazurski w Olsztynie,

Bibliografia

• Brosnan T., Da-Wen Sun. 2002. Inspection and grading of agricultural and food products by computer vision systems - a review. Computer Electron. Agric., vol. 36. s.193-213.
• Jayas D.S., Paliwal J., Visen N.S. 2000. Multi-layer neural networks for image analysis of agricultural products. J. Agric. Engang. Res. vol.77(2). s. 119-128.
• Liao K., Paulsen M.R., Reid J.F. 1994. Real time detection of color and surface defect of maize kernels using machine vision. Journal of Agricultural Engineering Research. vol. 59 (4). s. 263-271.
• Majumdar S., Jayas D.S. 1999. Classification of bulk samples of cereal grains using machine vision. J. Agric. Engang. Res. vol. 73. s. 35-47.
• Majumdar S., Jayas D.S. 2000. Classification of cereal grains using machine vision: I. Morphology models. American Society of Agricultural Engineering. vol.43(6). s. 1669-1675.
• Neuman M., Sapristein H D., Shwedyk E., Bushuk W. 1987. Discrimination of wheat class and variety by digital image analysis of whole grain samples. Journal of Cereal Science. vol.6. s. 125-132.
• Paliwal J., Visen N.S., Jayas D.S. 2001. Evaluation of neural network architectures for cereal classification using morphological features. J. Agric. Engang. Res. vol.79(4). s. 361-370.
• Sapirstein H.D., Kohler J.M. 1999. Effects of sampling and wheat grade on precision and accuracy of kernel features determined by digital image analysis. Cereal Chem., vol.76 (1). s. 110-115.
• Shouche S.P., Rastogi R., Bhagwat S.G., Jayashree Krishna Sainis. 2001. Shape analysis of grains of Indiana wheat varieties. Computers and electronics in agriculture. vol.33. s. 55-76.
• Shouche S.P., Rastogi R., Bhagwat S.G., Jayashree Krishna Sainis. 2001. Shape analysis of grains of Indiana wheat varieties. Computers and electronics in agriculture. vol. 33. s. 55-76.
• Utku H. 2000. Application of the feature selection method to discriminate digitized wheat varieties. Journal of Food Engineering. vol.46. s. 211-216.
• Utku H., Köksel H. 1998. Use of statistical filters in the classification of wheats by image analysis. J. Food Eng., vol. 36. s. 385-394.
• Visen N.S., Shashidhar N.S., Paliwal J., Jayas D.S. 2002. Identification and segmentation of occluding groups of grain kernels in a grain sample image. J. Agric. Engang. Res. vol. 79(2). s. 159-166.
• Zapotoczny P. 2005. Wpływ rozdzielczości i kompresji obrazu na błąd pomiaru geometrii oraz barwy ziarniaków zbóż. Inżynieria Rolnicza. Nr 8. s. 417-425.
• Zayas I.Y., Steele J.L. 1996. Image texture analysis for discrimination of mill fractions of hard and soft wheat. Cereal Chem., vol. 73 (1). s. 136-142.