Neuronowy system informatyczny "RENZIAR 1.0" w procesie klasyfikacji ziaren pszenicy

• Autorzy: Boniecki P. , Świerczyński K. , Koszela K.

Warianty tytułu

EN

Neural computer system "RENZIAR 1.0" in the process of classification of wheat grains

• Języki publikacji: PL

Abstrakty

PL

Ważnym etapem oceny jakościowej magazynowanych zbóż jest określenie ewentualnych ubytków struktury fizycznej ziarniaków, wynikających z ich stanu chorobowego. Motywem niniejszej pracy było dokonanie klasyfikacji zdjęć rentgenowskich ziaren pszenicy w celu identyfikacji negatywnych efektów żerowania potencjalnych szkodników. Efektem utylitarnym prowadzonych badań było wytworzenie oraz weryfikacja i walidacja komputerowego systemu informatycznego "RENZIAR 1.0", wspomagającego proces wstępnej analizy zdjęć rentgenowskich, dokonywanej w celu ekstrakcji cech charakteryzujących znamiona chorobowe ziarniaków. Pozyskanie tych informacji jest niezbędne w procesie tworzenia modeli neuronowych służących do identyfikacji oraz klasyfikacji wybranych ziaren zbóż, w kontekście ich uszkodzeń spowodowanych chorobą. System ten został wytworzony w środowisku programistycznym Microsoft Visual Studio 2008, wykorzystującym Framework .NET 3,5. System informatyczny "RENZIAR 1.0 "posiada przyjazny użytkownikowi interfejs, który w istotny sposób ułatwia pracę potencjalnemu użytkownikowi.

EN

Neural analysis pictures are used in many fields of science and utilitarian areas by increasing number of followers. Artificial neural networks work best in cases where one cannot use structural knowledge, be they math formulas. There is an increasing load of data that requires processing. Therefore a need for development of intelligent computers to compile such data has appeared. The very aim of this paper is to classify X-rays of wheat grains in order to create new computer applications. The aforementioned computer applications are applied in theprocess of analysis and classification ofX-rays ofwheat grains. This system has been developed and devised in Microsoft Visual Studio 2008 with NET 3.5 Framework. The inter-face has been set in the RENZIAR 1.0 Program, which is very specific, but not complicated, and therefore should not cause anyproblems to its users.

Słowa kluczowe

PL

neuronowy system informatyczny"RENZIAR 1.0"; pszenica; ziarno

EN

neural computer system RENZIAR 1.0; wheat; grains

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Journal of Research and Applications in Agricultural Engineering
• Rocznik: 2011
• Tom: Vol. 56, nr 1
• Strony: 14--18
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Boniecki P.

autor

Świerczyński K.

autor

Koszela K.

• Uniwersytet Przyrodniczy w Poznaniu, Instytut Inżynierii Rolniczej ul. Wojska Polskiego 50, 60-637 Poznań

Bibliografia

• [1] Boniecki P.: Elementy modelowania neuronowego w rolnictwie. Poznań: Wydawnictwo Uniwersytetu Przyrodniczego, 2008.
• [2] Boniecki P., Koszela K., Przybylak A.: Klasyfikacja wybranych odmian jabłek oraz suszu marchwi z wykorzystaniem sieci neuronowych typu Kohonena. Journal of Research and Applications in Agricultural Engineering, 2010, Vol. 55(1), s. 11-16.
• [3] Bunalski B., Nowacji J.: Szkodniki roślin uprawnych. Poznań: Wydawnictwo Medix Plus, 1996.
• [4] Dyjeciński J.: Szkodniki artykułów spożywczych. Wykrywanie, rozpoznawanie i zwalczanie. Warszawa: Wydawnictwo WPLiS, 1967.
• [5] Falkowski J., Kostrowicki J.: Geografia rolnictwa świata. Warszawa: Wydawnictwo Naukowe PWN, 2005.
• [6] Gołębiowska Z.: Szkodniki domu i spichrza. Warszawa: Państwowy Instytut Wydawnictw Rolniczych, 1950.
• [7] Gołębiewska Z., Nawrót J.: Szkodniki magazynowe. Warszawa: Państwowe Wydawnictwo Rolnicze i Leśne, 1976.
• [8] Jezierski G.: Promieniowanie rentgenowskie - obecne zastosowanie. Dozór Techniczny, 2010, nr 3/2010, s. 54-58.
• [9] Świerczyński K., Olejarski P.: Wykorzystanie wybranych topologii sztucznych sieci neuronowych w procesie identyfikacji wołka zbożowego w ziarnie zbóż. Postępy w Ochronie Roślin, 2008, nr 48(3).
• [10] Świerczyński K.: Identyfikacja wołka zbożowego w magazynowanym ziarnie pszenicy z zastosowaniem modelowania neuronowego. Uniwersytet Przyrodniczy w Poznaniu. Praca doktorska, Poznań, 2010.
• [11] Olejarski P.: Zboże wysokiej jakości. Agro Serwis, wydanie 2.06.2005.