文献

J-GLOBAL ID：201802286813219276   整理番号：18A0282820

2比較機械学習アルゴリズムを用いたゴールデン漂白レーズンの品質測定のためのインテリジェントシステム【Powered by NICT】

An intelligent system for quality measurement of Golden Bleached raisins using two comparative machine learning algorithms

著者 (3件)： Karimi Navab (Department of Mechanical Engineering of Agricultural Machinery, College of Abouraihan, University of Tehran, Tehran, Iran) ,  Ranjbarzadeh Kondrood Ramin (Department of Telecommunications Engineering, Faculty of Engineering, University of Guilan, Rasht, Iran) ,  Alizadeh Tohid (Department of Robotics and Mechatronics, School of Science and Technology, Nazarbayev University, Astana, Kazakhstan)
資料名： Measurement  (Measurement)
巻： 107  ページ： 68-76  発行年： 2017年 
JST資料番号： W0315B  ISSN： 0263-2241  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究では,エキスパートシステムは,バルクレーズンの画像を用いた混合(純不純)レーズンの品質と純度を測定すると認識した。この目的のために,マシンビジョン装置を利用したレーズンの千四百の画像は混合物のいくつかの範囲(5~50%)で捕獲した。,146テクスチャ特徴は,グレイレベルヒストグラムの四つの方法,グレイレベル共起行列(GLCM),グレイレベルランレングス(GLRM)マトリックス,および局所二値パターン(LBP)を用いて得た。主成分分析(PCA)は,抽出された特徴から最適特徴を見つけるために使用した。,人工ニューラルネットワーク(ANN)およびサポートベクトルマシン(SVM)は混合物を分類するために使用した。ANNと比較して,トップ50~特徴を用いたSVM分類器は,より効率的で正確な分類結果(平均92.71%)を示した。提案したアプローチの結果は,レーズンの純度及び品質を測定するためのシステムの設計に用いることができる。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： ニューラルネットワーク ,  主成分分析 ,  画像 ,  エキスパートシステム ,  *品質 ,  サポートベクトルマシン ,  純度 ,  *干ぶどう ,  画像処理 ,  *学習アルゴリズム
準シソーラス用語： 共起行列 ,  グレイレベル ,  テクスチャ特徴 ,  マシンビジョン ,  *インテリジェントシステム , 【Automatic Indexing@JST】

著者キーワード (6件)： 画像処理 ,  ゴールデン漂白レーズン(GBR) ,  バルク集合組織 ,  テクスチャ特徴 ,  サポートベクトルマシン ,  人工ニューラルネットワーク

分類 (5件)： 航海計器,航法装置,電気設備  (QJ04020P) ,  軸受  (QB01020W) ,  R,L,C,Q,インピーダンス,誘電率の計測法・機器  (AD07030N) ,  長さ,面積,断面,体積,容積,角度の計測法・機器  (AD05020O) ,  生体計測  (EL03020C)

タイトルに関連する用語 (6件)： 機械学習 ,  アルゴリズム ,  漂白 ,  レーズン ,  品質測定 ,  インテリジェントシステム