BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Koszela Krzysztof (Poznan University of Life Sciences)
Tytuł
Computer image analysis and artificial neuron networks in the qualitative assessment of agricultural products
Komputerowa analiza obrazu i sztuczne sieci neuronowe w ocenie jakościowej produktów rolniczych
Źródło
Agricultural Engineering, 2015, R. 19, nr 3 (155), s. 15-24, rys., tab., bibliogr. 15 poz.
Słowa kluczowe
Analiza obrazu, Warzywa, Jakość, Sztuczne sieci neuronowe (SSN)
Image analysis, Vegetables, Quality, Artificial neural networks (ANN)
Uwagi
summ., streszcz.
Abstrakt
Zastosowanie coraz bardziej nowoczesnych technologii informatycznych w rolnictwie obejmuje coraz szerszy zakres procesów produkcji, planowania, monitorowania i marketingu. Stosowane techniki informatyczne wykorzystuje się w technologii produkcji zwierzęcej oraz roślinnej. W ciągu ostatnich dekad można zaobserwować dynamiczny rozwój badań nad sztuczną inteligencją, a tym samym nad badaniami w zakresie systemów doradczych (ekspertowych), jak również nad sztucznymi sieciami neuronowymi. Oczywiście nie jest to wynik zbiegu okoliczności czy rezultat chwilowej mody. Ten burzliwy rozwój jest możliwy dzięki szybkiemu postępowi techniki komputerowej, która umożliwia zapamiętywanie coraz większej liczby danych oraz coraz szybsze jej przetwarzanie. Duża liczba prac badawczo-naukowych z wykorzystaniem komputerowej analizy obrazów, komputerowego wspomagania decyzji i nowoczesnych narzędzi modelowania, jakimi są sztuczne sieci neuronowe, realizowana jest w ramach inżynierii rolniczej. Jednym z obszarów wykorzystywania komputerowej analizy obrazów i modelowania neuronowego jest wspomaganie podejmowania decyzji w zakresie oceny jakościowej produktów rolno-spożywczych. Celem projektu badawczego było opracowanie i charakterystyka metody komputerowej analizy obrazów na przykładzie korzeni marchwi oraz suszu liofilizacyjnego do oceny jakościowej i klasyfikacji poszczególnych klas w badanej próbie pod względem jakości.(abstrakt oryginalny)

The increasing use of modern information technology in agriculture involves an ever wider range of production, planning, monitoring and marketing processes. Information technologies are being applied in animal and plant production, and recent decades have witnessed a dynamic growth in research into artificial intelligence and thus into advisory (expert) systems such as artificial neuron networks. Obviously this is not the result of a coincidence or a temporary trend, this dynamic development has been made possible thanks to the rapid advancement of computer technology, allowing ever increasing speeds and volumes of data collection and processing. A large number of research-scientific work with the use of computer image analysis, computer-aided decision making and state of the art modelling tools, including artificial neuron networks, is carried out within the scope of agricultural engineering. The computer-aided decision making process in the area of the qualitative assessment of agri-food products is one of those areas using computer image analysis and neuron modelling. The objective of this research project was to develop and describe a computer image analysis method based on the example of carrots and lyophilisation dehydrates for the purpose of the qualitative assessment and classification of individual categories in the analysed sample in terms of quality.(original abstract)
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Boniecki, P., Koszela, K., Piekarska-Boniecka, H., Weres, J., Zaborowicz, M., Kujawa, S., Majewski, A., Raba, B. (2015). Neural identification of selected apple pests. Computers and Electronics in Agriculture, 110, 9-16.
  2. Boniecki, P., Piekarska-Boniecka, H., Świerczyński, K., Koszela, K., Zaborowicz, M., Przybył, J. (2014). Detection of the granary weevil based on x-ray images of damaged wheat kernels. Journal of Stored Products Research, 56, 38-42.
  3. Boniecki, P., Przybył, J., Kuzimska, T., Mueller, W., Raba, B., Lewicki, A., Przybył, K., Zaborowicz, M., Koszela, K. (2014). Neural image analysis in the process of quality assessment domestic pig oocytes. 6th International Conference on Digital Image Processing, SPIE Proceedings, 9159, DOI, 101117/122064214.
  4. Jarczyk, A., Berdowski, I.B. (1997). Przetwórstwo owoców i warzyw (Cz. 01). WSiP. Warszawa.
  5. Koszela, K. (2012). Klasyfikacja suszu pietruszki z wykorzystaniem sztucznych sieci neuronowych. Journal of Research and Applications in Agricultural Engineering, 57(1), 87-90.
  6. Koszela, K., Hartlieb, W. (2012). Porównanie metod instrumentalnych i komputerowej analizy obrazu w ocenie jakościowej wybranych produktów rolniczych. Journal of Research and Applications in Agricultural Engineering, 57(1), 91-95.
  7. Koszela, K., Weres, J., Boniecki, P., Zaborowicz, M., Przybył, J., Dach, J., Pilarski, K., Janczak, D. (2013). Computer Image Analysis in the Quality Procedure For Selected Carrot Varieties. Proc SPIE 8878, 887811 DOI,101117/122030701.
  8. Koszela, K., Zaborowicz, M. (2014). Modele neuronowe wspomagające prognozowanie cen pszenicy konsumpcyjnej na zdecentralizowanym rynku towarowym. Zeszyty Naukowe Uniwersytetu Eko-nomicznego w Krakowie, 11(935), 113-122.
  9. Koszela, K., Otrząsek, J., Zaborowicz, M., Boniecki, P., Mueller, W., Raba, B., Lewicki, A., Przybył, K. (2014). Quality assessment of microwave-vacuum dried material with the use of computer image analysis and neural model. Proc SPIE 915913, DOI,101117/122064274.
  10. Pijanowski, E., Dłużewski, M., Dłużewska, A., Jarczyk, A. (2009). Ogólna technologia żywności. WNT, Warszawa, ISBN 978-83-204-3610-5.
  11. Przybył, K., Zaborowicz, M., Koszela, K., Boniecki, P., Mueller, W., Raba, B., Lewicki, A. (2014). Organoleptic Damage Classification of Potatoes with the Use of Image Analysis in Production Process. Proc. of SPIE Vol. 9159, DOI: 10.1117/12.2064243.M.
  12. Rumpel, J. (2004). Intensywna uprawa marchwi. Hortpress, Warszawa, ISBN: 83-89211-71-8.
  13. Tomczak, R.J., Nowakowski, K., Kujawa, S., Koszela, K., Nowak, J.,P. (2012). Charakterystyka zdjęć lotniczych użytków zielonych jako danych do fotointerpretacji. Inżynieria Rolnicza, 4(139), 431-439.
  14. Zaborowicz, M., Boniecki, P., Koszela, K., Przybył, J., Mazur, R., Kujawa, S., Pilarski, K. (2012). Use of artificial neural networks in the identification and classification of tomatoes. Proc SPIE 8878, 88782R DOI,101117/122030696.
  15. Zaborowicz, M., Przybył, J., Koszela, K., Boniecki, P., Mueller, W., Raba, B., Lewicki, A., Przybył, K. (2014). Computer image analysis in obtaining characteristics of images: greenhouse tomatoes in the process of generating learning sets of artificial neural networks. Proc SPIE. 9159, 91590D DOI:10.1117/12.2064066.
Cytowane przez
Pokaż
ISSN
1429-7264
Język
eng
URI / DOI
http://dx.medra.org/10.14654/ir.2015.155.132
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu