查詢結果分析
來源資料
相關文獻
- 以近紅外線及影像技術鑑別水稻品種
- A Gary Level Hamming Net for Gray Level Image Classification
- 應用類神經網路模式之最佳化醫學影像復原系統
- 近紅外線影像技術是否可以透視衣裡乾坤?(上)
- 果汁糖度檢測模式之研究
- 類神經網路(Neural Networks)的種類及其在影像處理上的應用
- 臺灣汽保費率之估計--對數線性費率模式與類神經網路之比較
- 號誌轉換下猶豫區間之研究
- 類神經網路在內插應用之研究
- Form Segmentation and Component Classification for Clinic Document Image Analysis
頁籤選單縮合
題 名 | 以近紅外線及影像技術鑑別水稻品種=Classifying Varieties of Paddy Rice by Near-infrared and Image Processing Technique |
---|---|
作 者 | 張鴻文; 蕭介宗; 李盛銘; 洪梅珠; | 書刊名 | 農業機械學刊 |
卷 期 | 9:4 2000.12[民89.12] |
頁 次 | 頁1-16 |
分類號 | 434.111 |
關鍵詞 | 近紅外線; 影像; 類神經網路; 模式; Near-infrared; Image; Artificial neural network; Model; |
語 文 | 中文(Chinese) |
中文摘要 | 本研究以台中區農業改良場1997年及1998年一期作生產的 6 種水稻為材料 , 利用近紅外線及影像處理技術 , 建立不同年份之 6 種水稻品種的鑑別模式。 使用近紅外線原始光譜經主成份分析 , 求得在主成份軸上的投影值 , 代入倒 傳遞類神經網路進行訓練 , 求得近紅外線跨年模式。而影像外觀特徵值取面積、 周長、形狀因素、面積 / 周長、最大寬度值、最長軸值、最長軸值與最大寬度值的比值、每粒稻穀平均紅色光度值 (R) 、平均綠色光度值的 (G) 、平均藍色光度值 (B) 、 水稻最長軸 50, 個寬度值中的第 11 、 12 、 13 、 14 、 15 、 16 、 17 、 18 、 19 、 20 、 21 、 28 、 29 、 30 、 31 、 32 、 33 、 34 、 35 、 36 、 37 、 38 、 39 、 40 、 41 、 42 、 43 、 55 、 56 、 57 、 58 、59 、 60 寬度值共 43 個參數 , 經正規化 , 代入倒傳遞類神經網絡進行訓練 , 求得影 像跨年模式。建立之近紅外線及影像之跨年模式,對台中區農業改良場所生產的 6 種水稻 品種的平均鑑別率分別為 89.3% 、 95.8%, 標準偏差分別為 8.1% 、 53% 。 |
英文摘要 | By near-infrared and image processing technique, the objective of this research is to establish a model for classifying six varieties of paddy rice grown in the experimental farm of Taichung District Agricultural Improvement Station and harvested in the first crop of 1997 and 1998. The original spectra from near-infrared analyzer were analyzed by principal component analysis. The projection values on the optimum principal component axis were input into backpropagation neural network for training to find the combined near-infrared model of 1997 and 1998. The characteristics of image such as area, perimeter, shape factor, the ratio of area to perimeter, values of maximum width, values of maximum long axis, the ratio of maximum long axis to maximum width, average RGB values of each paddy rice kernel, and number 11、12 、13 、 14 、15、16、17、18、19、20、21、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43 、55、56、57、58、59、60 width along the long axis were normalized and then input into backpropagation neural network for training to find the combined image model of 1997 and 1998. The average classifying rates were 89.3% and 95.8% respectively for near-infrared model and image processing model. The standard deviation were 8.1% and 5.3% respectively for near-infrared model and image processing model. |
本系統中英文摘要資訊取自各篇刊載內容。