論文の概要: Site-Specific Color Features of Green Coffee Beans

• arxiv url: http://arxiv.org/abs/2409.04068v1
• Date: Fri, 6 Sep 2024 07:19:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-09 16:36:07.804612
• Title: Site-Specific Color Features of Green Coffee Beans
• Title（参考訳）: グリーンコーヒー豆の着色特性
• Authors: Shu-Min Tan, Shih-Hsun Hung, Je-Chiang Tsai,
• Abstract要約: 本稿では,グリーンコーヒー豆の種皮の部位別着色特性を明らかにするために,部位非依存のアプローチを実証する。 そこで我々は,このサイト固有の色特徴に基づくグリーンコーヒー豆の2つの評価手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coffee is one of the most valuable primary commodities. Despite this, the common selection technique of green coffee beans relies on personnel visual inspection, which is labor-intensive and subjective. Therefore, an efficient way to evaluate the quality of beans is needed. In this paper, we demonstrate a site-independent approach to find site-specific color features of the seed coat in qualified green coffee beans. We then propose two evaluation schemes for green coffee beans based on this site-specific color feature of qualified beans. Due to the site-specific properties of these color features, machine learning classifiers indicate that compared with the existing evaluation schemes of beans, our evaluation schemes have the advantages of being simple, having less computational costs, and having universal applicability. Finally, this site-specific color feature can distinguish qualified beans from different growing sites. Moreover, this function can prevent cheating in the coffee business and is unique to our evaluation scheme of beans.
• Abstract（参考訳）: コーヒーは最も価値の高い主要商品の1つである。 それにもかかわらず、グリーンコーヒー豆の一般的な選択技術は、労働集約的で主観的な人為的視覚検査に依存している。 そのため、豆の品質を評価するための効率的な方法が必要である。 本稿では,グリーンコーヒー豆の種皮の部位別着色特性を明らかにするために,部位非依存のアプローチを実証する。 そこで我々は,このサイト固有の色特徴に基づくグリーンコーヒー豆の2つの評価手法を提案する。 これらの色特徴のサイト固有の性質から、機械学習分類器は、既存のbeansの評価手法と比較して、単純で計算コストの少ない、普遍的な適用性を有するという利点があることを示唆している。 最後に、このサイト固有の色特徴は、異なる成長するサイトから適格な豆を区別することができる。 さらに,この機能はコーヒービジネスにおける不正行為を防止し,豆の評価方法に特有である。

関連論文リスト

• LCM-Lookahead for Encoder-based Text-to-Image Personalization [82.56471486184252]
  我々は,テキスト・ツー・イメージ・モデルのパーソナライズを導くために,ショートカット・メカニズムを利用する可能性を探る。 エンコーダをベースとしたパーソナライズ手法に焦点をあてて、ルックアヘッドのアイデンティティ損失を調整することで、より高いアイデンティティの忠実性を達成できることを実証する。
  論文  参考訳（メタデータ） (2024-04-04T17:43:06Z)
• Keypoint Description by Symmetry Assessment -- Applications in Biometrics [49.547569925407814]
  有限展開によりキーポイント周辺の近傍を記述するモデルに基づく特徴抽出器を提案する。 そのような関数の等曲線は、原点(キーポイント)と推定されたパラメータがよく定義された幾何学的解釈を持つように、高度に対称な w.r.t である。
  論文  参考訳（メタデータ） (2023-11-03T00:49:25Z)
• Rethinking Person Re-identification from a Projection-on-Prototypes Perspective [84.24742313520811]
  検索タスクとしてのPerson Re-IDentification(Re-ID)は,過去10年間で大きな発展を遂げてきた。 本稿では,新しいベースライン ProNet を提案する。 4つのベンチマークの実験では、提案したProNetは単純だが有効であり、以前のベースラインを大きく上回っている。
  論文  参考訳（メタデータ） (2023-08-21T13:38:10Z)
• Computer Vision-Aided Intelligent Monitoring of Coffee: Towards Sustainable Coffee Production [0.18472148461613155]
  本研究では,コーヒー工場の画像処理に機械学習アルゴリズムYOLOを用いた。 トレーニングデータアノテートのための革新的なアプローチとして、コーヒーフルーツの機械生成カラークラスに繋がるK平均モデルを訓練した。 最後に、収穫時間を効率的に予測し、コーヒーの収量と品質を推定するだけでなく、植物の健康を知らせるAIベースの便利なモバイルアプリケーションの開発を試みた。
  論文  参考訳（メタデータ） (2023-04-11T04:25:07Z)
• Syrupy Mouthfeel and Hints of Chocolate -- Predicting Coffee Review Scores using Text Based Sentiment [0.0]
  本稿では,認定コーヒーレビューに含まれるテキストデータを用いて,0～100の尺度で対応するスコアを予測する。 この高度に専門化され、標準化されたテキストデータを予測空間に変換することにより、対応するコーヒー豆のスコアのパターンを正確にキャプチャする回帰モデルを構築する。
  論文  参考訳（メタデータ） (2023-01-29T10:55:36Z)
• Generative Colorization of Structured Mobile Web Pages [27.955214767628107]
  我々は,eコマースモバイルWebページからなる新しいデータセットを抽出可能な形式で提案する。 次に、Webページのカラー化問題は、可視色スタイルを推定するタスクとして形式化される。 このタスクに適応したTransformerベースのメソッドをいくつか提示する。
  論文  参考訳（メタデータ） (2022-12-22T08:36:55Z)
• Name Your Colour For the Task: Artificially Discover Colour Naming via Colour Quantisation Transformer [62.75343115345667]
  そこで本研究では,色空間を定量化しつつ,画像上での認識を維持しつつ,色空間を定量化する新しい色量子化変換器CQFormerを提案する。 人工色システムと人間の言語における基本色用語との一貫性のある進化パターンを観察する。 我々のカラー量子化法は、画像記憶を効果的に圧縮する効率的な量子化法も提供する。
  論文  参考訳（メタデータ） (2022-12-07T03:39:18Z)
• Coffee Roast Intelligence [0.3149883354098941]
  Coffee Roast Intelligenceアプリケーション(Coffee Roast Intelligence)は、Androidアプリケーションプラットフォームとして作成された、ローストコーヒー豆の分類に関する機械学習ベースの研究である。 このアプリケーションは、コーヒー豆がローストされたレベルを示すテキストを表示し、クラス予測の確率を消費者に通知する。
  論文  参考訳（メタデータ） (2022-06-03T22:23:29Z)
• Supervised learning for crop/weed classification based on color and texture features [0.0]
  本研究では,大豆および雑草の識別における色彩と食感の特徴について検討した。 無人航空機(UAV)から得られた大豆のイメージデータセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2021-06-19T22:31:54Z)
• Assessing The Importance Of Colours For CNNs In Object Recognition [70.70151719764021]
  畳み込みニューラルネットワーク(CNN)は相反する性質を示すことが示されている。 CNNが予測をしながら色情報に大きく依存していることを実証します。 congruent, greyscale, incongruent画像の合同画像で学習したモデルを評価する。
  論文  参考訳（メタデータ） (2020-12-12T22:55:06Z)
• Detection of Adversarial Supports in Few-shot Classifiers Using Feature Preserving Autoencoders and Self-Similarity [89.26308254637702]
  敵対的なサポートセットを強調するための検出戦略を提案する。 我々は,特徴保存型オートエンコーダフィルタリングと,この検出を行うサポートセットの自己相似性の概念を利用する。 提案手法は攻撃非依存であり, 最善の知識まで, 数発分類器の検出を探索する最初の方法である。
  論文  参考訳（メタデータ） (2020-12-09T14:13:41Z)

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。