Comparison of selected classification methods in automated oak seed sorting

• Autorzy: Grabska-Chrząstowska J. , Kwiecień J. , Drożdż M. , Bubliński Z. , Tadeusiewicz R. , Szczepaniak J. , Walczyk J. , Tylek P.

Warianty tytułu

PL

Porównanie wybranych metod klasyfikacji w automatycznym sortowaniu nasion dębu

• Języki publikacji: EN

Abstrakty

EN

In this paper the results of automated, vision based classification of oak seeds viability i.e. their ability to germinate are presented. In the first stage, using a photo of the seed cross-section, a set of feature vectors were determined. Then three classification methods were examined: k-nearest neighbours (k-NNs), artificial neural networks (ANNs) and support vector machines (SVMs). Finally, a 73.1% precision was obtained for kNN and a 64 bin histogram, 78.5% for ANN and a 4 bin histogram and 78.8% for SVM with a 64 bin histogram.

PL

W artykule zaprezentowano wyniki badań automatycznej, wizyjnej klasyfikacji nasion dębu pod względem ich żywotności, tj. zdolności do kiełkowania. W pierwszym etapie prac, na podstawie zdjęcia przekroju nasiona, wyznaczono zbiór cech, który w sposób niezależny od kształtu i rozmiaru poszczególnych obiektów pozwala na opisanie ich budowy anatomicznej. Następnie zbadano, dla wyselekcjonowanych wektorów cech, trzy metody klasyfikacji: k-najbliższych sąsiadów (k-NN), artificial neural networks (ANN) oraz maszynę wektorów nośnych (SVM). Uzyskano 73,1% precyzji rozpoznawania dla histogramu o długości 64 metodą kNN, 78,5% dla histogramu o długości 4 dla ANN i 78,8% dla histogramu o długości 64 metodą SVM.

Słowa kluczowe

EN

acorn classification; automatic sorting; acorn; image analysis; image processing; kNN; ANN; SVM

PL

klasyfikacja żołędzi; sortowanie automatyczne; żołędzie; przetwarzanie obrazu; analiza obrazu; kNN; ANN; SVM

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Journal of Research and Applications in Agricultural Engineering
• Rocznik: 2017
• Tom: Vol. 62, nr 1
• Strony: 31--33
• Opis fizyczny: Bibliogr. 10 poz., tab., zdj.

Twórcy

autor

Grabska-Chrząstowska J.

• AGH University of Science and Technology, Cracow, Poland

autor

Kwiecień J.

• AGH University of Science and Technology, Cracow, Poland

autor

Drożdż M.

• AGH University of Science and Technology, Cracow, Poland

autor

Bubliński Z.

• AGH University of Science and Technology, Cracow, Poland

autor

Tadeusiewicz R.

• AGH University of Science and Technology, Cracow, Poland

autor

Szczepaniak J.

• Industrial Institute of Agricultural Engineering, Poznan, Poland

autor

Walczyk J.

• University of Agriculture in Cracow, Poland

autor

Tylek P.

• University of Agriculture in Cracow, Poland

Bibliografia

• [1] Cortes C., Vapnik, V.: Support-Vector Networks, Machine Learning, 1995, Vol. 20, 273-297.
• [2] Ducournau S, Feutry A, Plainchault P, Revollon P, Vigouroux B, Wagner MH: An image acquisition system for automated monitoring of the germination rate of sunflower seeds. Computers and Electronics in Agriculture, 2004, 44, 3, 189-202.
• [3] Duda R.O., Hart P.E., Stork D.G.: Pattern Classification, 2nd edition. John Wiley & Sons, 2001.
• [4] Dudek-Dyduch E., Tadeusiewicz R., Horzyk A., Neural Network Adaptation Process Effectiveness Dependent of Constant Training Data Availability, Elsevier, Neurocomputing, 2009, 72, 3138-3149.
• [5] Jabłoński M, Tylek P., Walczyk J., Tadeusiewicz R., Piłat A.: Colour-Based Binary Discrimination of Scarified Quercus robur Acorns under Varying Illumination. Sensors, 2016, 16(8), 1319.
• [6] Jain A.K., Duin R.P., Mao Jianchang W.: Statistical pattern recognition: a review. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22, 1, 4-37.
• [7] Jayas D.S., Paliwal J., Visen N.S.: Review Paper (AE-Automation and Emerging Technologies): Multi-layer Neural Networks for Image Analysis of Agricultural Products. Journal of Agricultural Engineering Research, 2000, 77, 2, 119-128.
• [8] Kubiak A., Mikrut Z.: Application of Neural Networks and Two Representations of Color Components for Recognition of Wheat Grains Infected by Fusarium Culmorum Fungi. Lecture Notes in Proc. of the 7th ICAISC, Zakopane, Poland, 2004, Rutkowski L. et al (eds), Springer.
• [9] Shigeo A.: Support Vector Machines for Pattern Classification. Springer-Verlag London, 2010.
• [10] Tadeusiewicz R., Chaki R., Chaki N.: Exploring Neural Networks with C#. CRC Press, 2015.

Uwagi

Opracowanie w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).