文献

J-GLOBAL ID：202102253535941933   整理番号：21A1037915

画像処理と機械学習アプローチを用いたアプリコット品種分類【JST・京大機械翻訳】

Apricot Variety Classification Using Image Processing and Machine Learning Approaches

著者 (4件)： Mirnezami Seyed Vahid (Colaberry Incorporated Boston, MA, USA) ,  HamidiSepehr Ali (Colaberry Incorporated Boston, MA, USA) ,  Ghaebi Mahdi (Agricultural Engineering Department, University of Tehran, Iran) ,  Hassan-Beygi Seyed Reza (Agricultural Engineering Department, University of Tehran, Iran)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICVISP 2020  ページ： 1-6  発行年： 2020年 
JST資料番号： D0698C  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： Zerdali(野生アンズ)の栽培型であるアプリコットは,ヒト栄養において重要な場所を持ち,その医療特性はヒトの健康にとって必須である。本研究の目的は,アンズ果実の外部特徴を用いた画像処理技術によるアンズ質量および分離アンズ品種に対するモデルを得ることであった。本研究では,アンズの5つの多様性を用いた。果実のサイズを決定するために,3つの互いに垂直な軸,長さ,幅,および厚さを定義した。測定は,すべての特性に及ぼす品種の影響が1%確率レベルで統計的に有意であることを示した。さらに,画像処理手法と実際の寸法によって,推定次元の間に有意差はなかった。開発したシステムはディジタルカメラ,光拡散チャンバ,距離調整ペデスタル,およびパーソナルコンピュータから成る。デジタルカメラで撮影された画像は,更なる分析のために(RGB)として保存された。画像は,3つの方向において各々の栽培品種の多くの49のサンプルのために取り入れた。R2=0.97の長さと幅に基づくアンズ質量を計算するために,線形方程式を推奨した。さらに,C-平均によるANFISモデルは,3つの垂直表面の長さ,幅,厚さ,質量および投影面積を含む物理的特徴に基づくアンズ品種を分類するための最良のモデルであった。モデルの精度は87.7であった。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 一次方程式 ,  ヒト ,  光拡散 ,  *画像処理 ,  *品種 ,  果実【器官】 ,  作型 ,  パーソナルコンピュータ ,  栽培品種 ,  *機械学習
準シソーラス用語： ディジタルカメラ ,  チャンバ ,  ヒトの健康 , 【Automatic Indexing@JST】

著者キーワード (4件)： アプリコット ,  分類 ,  画像処理 ,  機械学習

分類 (2件)： 果樹  (FC03042G) ,  果実とその加工品  (FJ11030Z)

タイトルに関連する用語 (5件)： 画像処理 ,  機械学習 ,  アプリコット ,  品種 ,  分類