文献

J-GLOBAL ID：201802260100392731   整理番号：18A0537259

逆伝搬ニューラルネットワーク法を用いた葉形状およびテクスチャに基づくマンゴー品種の認識【Powered by NICT】

The recognition of mango varieties based on the leaves shape and texture using back propagation neural network method

著者 (3件)： Fajri Fathorazi Nur (Informatic Engineering, High School Technology Nurul Jadid, Paiton, Indonesia) ,  Hamid Nur (Informatic Engineering, High School Technology Nurul Jadid, Paiton, Indonesia) ,  Pramunendar Ricardus Anggi (Faculty of Computer Science, Dian Nuswantoro University, Semarang, Indonesia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SIET  ページ： 14-20  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： このとき,インドネシアマンゴーの需要は,特にManalagiとGadungのような優れた品質マンゴーの社会で大きな需要がある。しかし,多くの人がマンゴー品種を識別するための誤った残っている。現在,マンゴー品種の同定または導入は目で行った。人は目で葉に基づくマンゴー品種の同定におけるエキスパートではなく,それらは同定できる総てのマンゴー品種である可能性がある。今まで,マンゴー品種を同定するためのいくつかの方法があるが,得られた精度は80%以下であった。前研究では,使用した抽出特徴は葉画像の形状やテクスチャ特徴である。本研究では,マンゴー葉形状とテクスチャ特徴を用いた逆伝搬ニューラルネットワーク(BPNN)を使用した。AデータセットはManalagi品種のマンゴー葉と葉Gadungの150画像の150画像からなるマンゴー葉の300画像である。この方法を用いて,最適BPNNモデルは根平均二乗誤差(RMSE)=0.0018の隠れ層=19,学習速度=0.9,運動量=0.9,およびエポック=100を用いて得られたことが分かった。得ることを正解率は96%であった。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 品質 ,  *マンゴー ,  画像 ,  運動量 ,  *品種
準シソーラス用語： 正解率 ,  学習速度 ,  隠れ層 ,  平均二乗誤差 ,  テクスチャ特徴 ,  *質感 ,  *逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 逆伝搬ニューラルネットワーク ,  葉 ,  テクスチャ ,  マンゴー ,  品種