Wyniki wyszukiwania - BazTech

1

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

Boniecki P., Świerczyński K., Koszela K.

Journal of Research and Applications in Agricultural Engineering

|

2011

|

Vol. 56, nr 1

14-18

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.

2

Neuronowa identyfikacja uszkodzeń ziarna pszenicy spowodowanych przez wołka zbożowego (Sitophilus granarius L.)

Świerczyński K., Boniecki P., Nawrocka A.

Journal of Research and Applications in Agricultural Engineering

|

2011

|

Vol. 56, nr 2

165-173

PL

Celem pracy było określenie cech reprezentatywnych, opisujących wewnętrzne uszkodzenia ziarniaków wywołane przez wołka zbożowego. Na tej podstawie zbudowano 2 warianty zbiorów uczących (opartych na 2 różnych zbiorach zmiennych reprezentatywnych), które posłużyły do generowania 2 zestawów klasyfikatorów neuronowych. Następnie dokonano porównania jakościowego wytworzonych modeli oraz zaproponowano sieć optymalną (z punktu widzenia przyjętych założeń). Podkreślono aspekt utylitarny przeprowadzonych badań, wskazując na możliwość wsparcia (automatyzacji) procesów decyzyjnych zachodzących w trakcie magazynowania zbóż.

EN

Determining characteristics of representative features, describing internal injuries triggered by a grain weevil was a purpose of the work. On this base teaching sets essential to produce classification neural models were built (for 2 variants). Next, the qualitative comparison of created models was executed and an optimal network proposed (taking into account admitted assumption). The investigations were being dedicated for assisting decision-making processes which occur during cereal crops storing.

3

System informatyczny piao jako narzędzie do przetwarzania obrazów cyfrowych wspomagające proces generowania zbiorów uczących przeznaczonych do budowy modeli neuronowych

Zaborowicz M., Boniecki P., Świerczyński K.

Journal of Research and Applications in Agricultural Engineering

|

2010

|

Vol. 55, nr 2

128-133

PL

Pozyskiwanie oraz przetwarzanie danych empirycznych występujących w formie graficznej jest istotnym elementem w procesie generowania zbiorów uczących, przeznaczonych do budowy identyfikacyjnych modeli neuronowych. Właściwa analiza oraz konwersja obrazów cyfrowych są fundamentalnym procesem, determinującym dalsze etapy modelowania neuronowego. Powszechnie dostępne metody edycji oraz pozyskiwania danych z obrazów nie zawsze pozwalają na właściwe i efektywne wytworzenie zbioru uczącego. Często zachodzi potrzeba użycia kilku rodzajów komercyjnego oprogramowania, aby w efekcie można było pozyskać zbiór danych empirycznych zapisanych w pożądanej formie. Dlatego wydaje się być zasadnym wytwarzanie od podstaw kompleksowego systemu informatycznego dedykowanego dla wsparcia procesu generowania zbiorów uczących.

EN

Gathering data is an essential element of the process of generating learning sets, intended for the construction of artificial neural networks. A proper analysis and processing of the images are the basis for the next stages of the neural simulation. Commonly available methods of the edition and gaining data from images do not always allow to create a learning set in a right way. Often, there is a need to use several different software in order to gain one eligible set of data. This is a reason, why making a complex software for the process of generating the learning sets, is so important.

4

Wykorzystanie sieci neuronowych w procesie identyfikacji wołka zbożowego

Świerczyński K., Olejarski P., Boniecki P.

Journal of Research and Applications in Agricultural Engineering

|

2008

|

Vol. 53, nr 2

73-75

PL

Szkodniki magazynowe stanowią poważny problem podczas przechowywania zbóż. Zarażenie całej masy przechowywanego materiału może nastąpić przez niewielką ilość dostarczonego towaru wraz z szkodnikiem. Do tych najgroźniejszych szkodników zaliczamy wołka zbożowego [Sitophilus granarius (L.)], który rozmnaża się wewnątrz ziarniaka, powodując jednocześnie obniżenie jakości ziarna, co w efekcie końcowym wynosić może 5% strat. Jednym ze sposobów nie dopuszczenia do opisywanej sytuacji jest identyfikacja wołka podczas dostarczania zboża do magazynu. Możliwym rozwiązaniem jest wykorzystanie zdolności klasyfikacyjnych, jakie m.in. reprezentują sztuczne sieci neuronowe. Zbiór uczący, służący do budowy modeli neuronowych, został wygenerowany na postawie uzyskanych danych empirycznych z wykorzystaniem urządzania SKCS 4100 (Single Kernel Characterization System). Przeprowadzono analizę uzyskanych modeli, w wyniku której określono przydatność stosowania ich w procesie identyfikacji występowania wołka w ziarniaku.

EN

Pests of granary constitute the serious problem while keeping cereal crops. Infecting the entire amount of stored material can follow through the sparseness of delivered goods together with pest. For most dangerous from the ones we rate granary weevil [Sitophilus granarius (L.)], which lives inside of kernel. It causes degradation of quality and the final effect, up to the 5% of losses. One resolution is that we cannot let to describable situation and we have to identify of weevil while we deliver cereal to granary. We can use classification ability of artificial networks. Data set, which we use for creation of neuronal models, was generated on the basis of received empirical data with using SKCS 4100 (Single Kernel Characterization System) device. Analysis of obtained models was carried out determining usefulness of applying them in the process of the identification of appearing of weevil in kernel.

5

Komputerowe wspomaganie ciągłości dostaw zielonki w przedsiębiorstwie rolnym

Świerczyński K., Gała Z., Boniecki P.

Journal of Research and Applications in Agricultural Engineering

|

2006

|

Vol. 51, nr 4

48-51

PL

Polska charakteryzuje się dogodnymi warunkami wzrostu i rozwoju traw. Trawy po uprzedniej konserwacji stosowane są jako pasza dla zwierząt. Jedną z firm zajmującą się suszeniem zielonki jest PPHU Ciszewo. Realizuje ona projekt rozbudowy suszarni, której zapotrzebowanie powierzchniowe wynosi 2000 ha. W związku z tym, w celu zapewnienia ciągłych dostaw surowca oraz właściwej organizacji produkcji, został zaprojektowany, wytworzony oraz przetestowany informatyczny system bazodanowy "Zielonki". Skonstruowany został na serwerze SQL firmy Microsoft, przy wykorzystaniu platformy Visual Studio .NET 2005 oraz języka C#.

EN

Poland has favourable conditions for growth and development of grass. Grass after previous conservation is used as fodder. One of hay-drying factories is PPHU Ciszewo. They are completing a project of extending the drier room, which surface requirement is 2000 ha. In this regard in order to secure continuity of stock distribution as well as appropriate production flow a database system "Zielonki" has been designed, developed and tested. The database system has been constructed on a Microsoft SQL server on Visual Studio.NET2005 platform using C# language.