論文の概要: A New Simple Vision Algorithm for Detecting the Enzymic Browning Defects in Golden Delicious Apples
- arxiv url: http://arxiv.org/abs/2110.03574v2
- Date: Sun, 22 Sep 2024 07:33:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-09 15:57:56.077738
- Title: A New Simple Vision Algorithm for Detecting the Enzymic Browning Defects in Golden Delicious Apples
- Title（参考訳）: ゴールデンデリケートアップルにおける酵素ブルーニング欠陥検出のための新しい簡易可視化アルゴリズム
- Authors: Hamid Majidi Balanji,
- Abstract要約: 視覚アルゴリズムは、酵素的ブラウニングプロセスによって引き起こされるゴールデンデリシアスリンゴの表面欠陥を抽出し、識別するように設計されている。
提案した視覚アルゴリズムの画像処理部は, リンゴの欠陥表面積を97.15%の精度で抽出した。
以上の特徴から, 平均0.0065以下の画像は, 欠陥リンゴに属さないことが明らかとなった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, a simple vision algorithm is designed and implemented to extract and identify the surface defects on the Golden Delicious apples caused by the enzymic browning process. 34 Golden Delicious apples were selected for the experiments, of which 17 had enzymic browning defects and the other 17 were sound. The image processing part of the proposed vision algorithm extracted the defective surface area of the apples with high accuracy of 97.15%. The area and mean of the segmented images were selected as the 2x1 feature vectors to feed into a designed artificial neural network. The analysis based on the above features indicated that the images with a mean less than 0.0065 did not belong to the defective apples; rather, they were extracted as part of the calyx and stem of the healthy apples. The classification accuracy of the neural network applied in this study was 99.19%
- Abstract（参考訳）: 本研究は, 酵素的玄米処理によるゴールデンデリシスリンゴの表面欠陥を抽出し, 同定するために, 簡単な視覚アルゴリズムを設計, 実装した。
実験では34種類のゴールデン・デリシアスリンゴが選択され、そのうち17個は酵素的染料欠陥があり、残りの17個は音が聞こえた。
提案した視覚アルゴリズムの画像処理部は, リンゴの欠陥表面積を97.15%の精度で抽出した。
分割画像の面積と平均は、2x1特徴ベクトルとして選択され、設計された人工ニューラルネットワークに入力される。
以上の特徴から, 平均0.0065以下の画像は, 欠陥リンゴに属さないことが明らかとなった。
本研究で適用されたニューラルネットワークの分類精度は99.19%であった。
関連論文リスト
- Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳（メタデータ） (2023-05-27T03:55:19Z) - Apple scab detection in orchards using deep learning on colour and
multispectral images [0.0]
Apple scabは、Venturia inaequalisによって引き起こされる真菌病である。
本稿では,リンゴの症状を正確に同定するための深層学習とハイパースペクトルイメージングの有用性について検討する。
論文 参考訳（メタデータ） (2023-02-17T11:33:17Z) - Learning to Predict Fitness for Duty using Near Infrared Periocular Iris
Images [8.79172220232372]
本研究は, 中枢神経系に対する外部因子の影響を明らかにすることに焦点を当てた。
目的は、これが虹彩や瞳孔運動にどのように影響するかを分析することである。
本稿では,アルコール/ドラッグ/スリープ性の影響下で被験者から採取した虹彩NIR画像を分類するMobileNetV2を提案する。
論文 参考訳（メタデータ） (2022-09-04T19:48:45Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳（メタデータ） (2022-06-14T10:16:54Z) - Diagnosis of COVID-19 Cases from Chest X-ray Images Using Deep Neural
Network and LightGBM [0.0]
コロナウイルスは2019年末に中国の武漢で検出され、世界的な感染拡大でパンデミックに繋がった。
本研究では,Deep Neural Networks (DNN) を用いたX線画像からコロナ病の自動診断法を提案する。
論文 参考訳（メタデータ） (2022-03-27T11:01:21Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - On the Effect of Selfie Beautification Filters on Face Detection and
Recognition [53.561797148529664]
ソーシャルメディア画像フィルターは、例えば人工眼鏡や動物の鼻で、画像コントラスト、照明、あるいは顔の一部を妨げる。
U-NETセグメンテーションネットワークの修正版を用いて適用操作を再構築する手法を開発した。
認識の観点からは、顔を認識するために訓練されたResNet-34ネットワークを用いて抽出された特徴に対して、距離測定と訓練された機械学習アルゴリズムを用いる。
論文 参考訳（メタデータ） (2021-10-17T22:10:56Z) - Design of an Intelligent Vision Algorithm for Recognition and
Classification of Apples in an Orchard Scene [0.0]
本研究の目的は、ロボットリンゴ収穫機のための堅牢な視覚アルゴリズムを設計することである。
提案アルゴリズムは、果樹園のシーンで見つかった4種類のオブジェクトを識別し分類することができる。
論文 参考訳（メタデータ） (2021-10-07T07:31:44Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳（メタデータ） (2021-05-20T18:13:58Z) - Deep learning for COVID-19 diagnosis based feature selection using
binary differential evolution algorithm [1.332091725929965]
新型コロナウイルスは急速に普及しており、多くの人々の命を奪っている。
深層畳み込みニューラルネットワークは、画像の分類に強力なツールである。
提案手法は,X線画像を用いた新型コロナウイルス検出の最近の研究より優れていることが示された。
論文 参考訳（メタデータ） (2021-04-15T07:12:58Z) - Black-Box Face Recovery from Identity Features [61.950765357647605]
我々はアルゴリズムをテストするために最先端の顔認識システム(ArcFace)を攻撃した。
我々のアルゴリズムは、最先端のソリューションに比べて、はるかに少ないクエリを必要とする。
論文 参考訳（メタデータ） (2020-07-27T15:25:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。