PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Visual quality evaluation of malting barley with use of neural image analysis

Treść / Zawartość
Identyfikatory
Warianty tytułu
PL
Wizualna ocena jakości jęczmienia browarnego z wykorzystaniem neuronowej analizy obrazu
Języki publikacji
EN
Abstrakty
EN
The quality evaluation is one of the most important stages of the production processes. The same as regards the beer production and its components: hop, yeast, malting barley and other ingredients. Presented project deals with the complex quality evaluation of malting barley used for malt production. Its main goal is to elaborate complete methodology for the identification of varieties, the level of contamination and other visual features of malting barley with the use of computer science technologies, such as neural image analysis.
PL
Jednym z najważniejszych etapów w procesie produkcyjnym jest ocena jakości. Podobnie jest w produkcji piwa i jego składników: chmielu, drożdży, jęczmienia browarnego i innych. Przedstawiony projekt dotyczy kompleksowej oceny jakości jęcz-mienia browarnego używanego do produkcji słodu. Jego głównym celem jest opracowanie kompletnej metodyki identyfikacji odmian, poziom zanieczyszczenia i innych wizualnych cech jęczmienia browarnego z wykorzystaniem technologii informatycznych opartych na neuronowej analizy obrazu.
Rocznik
Strony
80--83
Opis fizyczny
Bibliogr. 11 poz., rys., tab., zdj.
Twórcy
autor
  • Poznań University of Life Sciences, Institute of Biosystems Engineering, ul. Wojska Polskiego 50, 60-637 Poznań, Poland
  • Poznań University of Life Sciences, Institute of Biosystems Engineering, ul. Wojska Polskiego 50, 60-637 Poznań, Poland
autor
  • Poznań University of Life Sciences, Institute of Biosystems Engineering, ul. Wojska Polskiego 50, 60-637 Poznań, Poland
Bibliografia
  • [1] Boniecki P., Nowakowski K.: Klasyfikacja ziarniaków kukurydzy w oparciu o neuronową identyfikację kształtu. Journal of Research and Applications in Agricultural Engineering, 2008, vol. 53(3), 14-17.
  • [2] Boniecki P., Nowakowski K., Przybylak A.: Neuronowa kompresja danych graficznych w procesie identyfikacji wybranych obiektów rolniczych. Journal of Research and Applications in Agricultural Engineering, 2009, vol. 54(2), 19-23.
  • [3] COBORU TABLES.: The list of varieties - agricultural plants 2011, Table 5, 32 COBORU, 2011.
  • [4] Lewis M. J., Young T. W.: Brewing, PWN, 2001.
  • [5] Nowakowski K.: Metody pozyskiwania zbiorów uczących dla modelu neuronowego identyfikującego uszkodzenia ziarniaków. Technika Rolnicza Ogrodnicza Leśna, 2007, (4/2007), 6-8.
  • [6] Nowakowski K., Boniecki P., Dach J.: Neural image analysis in identification process of mechanical damages of kernels. Journal of Research and Applications in Agricultural Engineering, 2009, vol. 54(2), 77-80.
  • [7] Nowakowski K., Boniecki P., Dach J.: The identification of mechanical corn kernels damages basis on neural image analysis. Proc. IEEE Computer Society, 2009, 412-415, DOI:10.1109/ICDIP.2009.78
  • [8] Nowakowski K., Boniecki P., Tomczak R.J., Raba B.: Identification process of corn and barley kernel damages using neural image analysis, 2011, Proc. SPIE 8009, 800908; doi:10.1117/12.896184
  • [9] Nowakowski K., Boniecki P., Raba B.: Image analysis and neural networks in the process of identifying of selected mechanical damage maize caryopses. Journal of Research and Applications in Agricultural Engineering, 2011, vol. 56(1), 100-102.
  • [10] Osowski S.: Neural networks to processing of information. Publishing house of Warsaw Technical University, Warsaw, 2000.
  • [11] Tadeusiewicz R., Korohoda P.: Computer analysis and image processing, Telecommunications Advancement Foundation Publisher, 1997.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-f7e76b79-41b7-4cf0-8220-8f0e4931dd03
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.