دانلود مقاله انگلیسی رایگان:پیش بینی ویژگی های سیب زمینی بر اساس بینایی ماشین و بازسازی مدل 3D - 2017

محرم

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
دانلود مقاله انگلیسی بینایی ماشین رایگان
  • Potato feature prediction based on machine vision and 3D model rebuilding Potato feature prediction based on machine vision and 3D model rebuilding
    Potato feature prediction based on machine vision and 3D model rebuilding

    سال انتشار:

    2017


    عنوان انگلیسی مقاله:

    Potato feature prediction based on machine vision and 3D model rebuilding


    ترجمه فارسی عنوان مقاله:

    پیش بینی ویژگی های سیب زمینی بر اساس بینایی ماشین و بازسازی مدل 3D


    منبع:

    Sciencedirect - Elsevier - Computers and Electronics in Agriculture, 137 (2017) 41-51. doi:10.1016/j.compag.2017.03.020


    نویسنده:

    Qinghua Su, Naoshi Kondo, Minzan Li, Hong Sun, Dimas Firmanda Al Riza


    چکیده انگلیسی:

    Machine vision based on color, multispectral, and hyperspectral cameras to develop potato quality grad- ing can be used to predict length, width, and mass, as well as defects on the interior and exterior of a sam- ple. However, the images obtained by these cameras are limited by two-dimensional shape information, including width, length, and boundary. Other vital elements of appearance data related to potato mass and quality, including thickness, volume, and surface gradient changes are difficult to detect due to slight surface color differences and device limitations. In this study, we recorded the depth images of 110 pota- toes using a depth camera, including samples with uniform shapes or with deformations (e.g., bumps and divots). A novel method was developed for estimating potato mass and shape information and three- dimensional models were built utilizing a new image processing algorithm for depth images. Other fea- tures, including length, width, thickness, and volume were also calculated as mass prediction related fac- tors. Experimental results indicate that the proposed models accurately predict potato length, width, and thickness; the mean absolute errors for these predictions were 2.3 mm, 2.1 mm, and 2.4 mm, respec- tively, while the mean percentage errors were 2.5%, 3.5%, and 4.4%. Mass prediction based on a 3D volume model for both normal and deformed potato samples proved to be more accurate compared to models based on area calculation. Thus 93% of samples were graded by the correct size group using the volume density model while only 73% were graded correctly using the area density. This depth image processing is an effective potential method for future non-destructive post-harvesting grading, especially for prod- ucts where size, shape, and surface condition are important factors.© 2017 Elsevier B.V. All rights reserved.
    Keywords:Machine vision | Potato | Depth image processing | 3D model building | Features prediction


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 11
    حجم فایل: 1875 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




آرشیو کامل مقالات

اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

این مقاله را در فیس بوک به اشتراک بگذارید این مقاله را در توییتر به اشتراک بگذارید این مقاله را در لینکداین به اشتراک بگذارید این مقاله را در گوگل پلاس به اشتراک بگذارید این مقاله را در زینگ به اشتراک بگذارید این مقاله را در تلگرام به اشتراک بگذارید

تعداد نظرات : 0

الزامی
الزامی
الزامی
بینایی-ماشین
موضوعات
footer