Use of geostatic function to describe wheat grain mass quality

• Autorzy: Szwedziak K , Tukiendorf M.

Warianty tytułu

PL

Zastosowanie funkcji geostatycznej do opisu jakości masy ziarna pszenicy

• Języki publikacji: EN

Abstrakty

EN

Examination of quality factors for agricultural and food products becomes more and more important because of their suitability for further processing and trade turnover. Independently of processing, agricultural and food industry is also expected to provide suitable protection for raw vegetable products generally characterised by inferior durability, and their processing into safe and durable food products, while maintaining proper taste quality. Computerised image analysis, neural modelling, and use of artificial intelligence methods have enormous future also in the fields of food industry and agriculture. Development of fast and efficient method is very much justified, since it will allow making accurate and quick observations without using any additional complex laboratory methods.

PL

Badanie cech jakościowych produktów rolno-spożywczych ma coraz większe znaczenie ze względu na przydatność ich do dalszej przeróbki i obrotu handlowego. Zadaniem przemysłu rolno-spożywczego jest oprócz przetwórstwa także właściwe zabezpieczenie, na ogół mało trwałych surowców roślinnych oraz ich przetworzenie w bezpieczne i trwałe produkty spożywcze – z zachowaniem ich odpowiednich walorów smakowych. Komputerowa analiza obrazu, modelowanie neuronowe, wykorzystywanie metod sztucznej inteligencji ma ogromną przyszłość również w dziedzinie przemysłu spożywczego i rolnictwa. Opracowanie szybkiej i skutecznej metody jest jak najbardziej uzasadnione, gdyż to pozwoli na dokonywanie trafnych i szybkich obserwacji, bez używania dodatkowo skomplikowanych metod laboratoryjnych.

Słowa kluczowe

EN

image analysis; quality; function geostatic; wheat

PL

funkcja geostatyczna; komputerowa analiza obrazu; akwizycja obrazu; modelowanie neuronowe

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Journal of Research and Applications in Agricultural Engineering
• Rocznik: 2014
• Tom: Vol. 59, nr 1
• Strony: 126--130
• Opis fizyczny: Bibliogr. 9 poz., rys., tab.

Twórcy

autor

Szwedziak K

• Opole University of Technology, Department of Biosystems Engineering, ul. Stanisława Mikołajczyka 5, 45-271 Opole, Poland

autor

Tukiendorf M.

• Opole University of Technology, Department of Biosystems Engineering, ul. Stanisława Mikołajczyka 5, 45-271 Opole, Poland

Bibliografia

• [1] Boniecki P.: The MLP and RBF type neural networks as complementary approximating models in triticale crop prediction process. Journal of Research and Application in Agricultural Engineering, 2004, 49.
• [2] Jayas D.S., Karunakaran C., Paliwal J.: Grain Quality Monitoring using machine Visio and soft X-Rays for cereal grains. International Quality grains Conference Proceedings, 2004.
• [3] Kałużny J., Kubiak M., Szymański M., Udalski A., Krzemiński W., Mateo M: The optical gravitional lensing experiment. Variable stars in globular cluster.I. fields 5139 A-C in omega centauri. Astron. Astrophys. Suppl. 1996, 120-139.
• [4] Koszela K., Boniecki P., Weres J.: Evaluation of neural prediction efficiency based on selected methods on the example of agricultural produce distribution. Inżynieria Rolnicza, 2005, 2(62), 69-76.
• [5] Koszela K., Weres J.: Analysis and classification of dried vegetable images using artificial neural networks. Inżynieria Rolnicza, 2005, 2 (62), 77-82.
• [6] Neal R.: Flexible Bayesian Models on Neural Networks, Gaussian Processes, and Mixtures v. 2000-08-13. University of Toronto.
• [7] Ripley B. D.: Statistical Inference for Spatial Processes. Cambridge University Press, 1988.
• [8] Tadeusiewicz R., Kohorda P.: Computerised analysis and processing of images. Wydawnictwo Fundacji Postępu Telekomunikacji. Kraków, 1997. ISBN 83-86476-15-X.
• [9] Wojciechowski K.: Image recognition. Wydawnictwo Politechniki Śląskiej, Skrypty Uczelniane, Gliwice, 1987.