Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: log-Hough transform

Sortuj według:

Ogranicz wyniki do:

Recognition of wheat grain quality using log-hough representation and neural networks

Mikrut Z., Kubiak A.

Machine Graphics and Vision

2008

Vol. 17, No. 4

425-449

Assessment of raw product quality constitutes one of the most important issues in the agricultural sectors of food production, processing and storage. In wheat grain quality assessment, the evaluation of the percentage of broken grains in a single variety sample is one of the most important criteria. In the present work, we propose a solution based on a computer vision system and neural networks. An algorithm which performs normalization of the size and rotation angle of a single grain image in the log-polar space is developed. The grain edge image is subsequently transformed to the accumulative log-Hough space and projected onto the coordinate system axes. The resulting representation undergoes classification and variety discrimination with the use of the Kohonen Self Organizing Map. The effectiveness of this representation has been verified with the use of a backpropagation neural network and the k-Nearest Neighbors method. The average classification rate within a single wheat variety exceeds 97%, which qualifies the method for practical applications.

Zastosowanie transformaty log-Hough'a i sieci neuronowych do identyfikacji połamanych ziaren pszenicy

Kubiak A., Mikrut Z.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

2004

T. 8, z. 3

477-486

W artykule przedstawiono wykorzystanie transformaty log-Hough'a do otrzymania znormalizowanych reprezentacji obrysów ziarniaków pszenicy całych i połamanych. Reprezentacje te stanowiły dane wejściowe do sieci neuronowej ze wsteczną propagacją błędu (backpropagation) i metody k-Najbliższego Sąsiada. Skuteczność rozpoznania sieciami neuronowymi ziaren całych i połamanych wynosiła 97%, zarówno dla reprezentacji składającej się z mieszaniny 3 odmian pszenicy, jak i dla reprezentacji opartej na jednej odmianie. Skuteczność rozpoznania tych samych reprezentacji metodą k-Najbliższego Sąsiada wynosiła 92%.

In the paper the use of log-Hough transform to receive standardized representations of whole and broken wheat grains outlines was presented. These representations were used as input data for Neural Networks [of backpropagation type] and k-Nearest Neighbor method. The recognition rate by Neural Networks of the whole and broken grains was 97% both for the representation consisting of the mixture of three wheat varieties and for the representation based on one variety. The recognition rate of the same representations by k-Nearest Neighbor method was 92%.