دانلود مقاله انگلیسی رایگان:پیش بینی محتوای کلروفیل بدون تماس و غیر مخرب با استفاده از رگرسيون تصادفی جنگل: مطالعه موردی روی برگهای تازه ريخته شده - 2017

دانلود بهترین مقالات isi همراه با ترجمه فارسی

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
  • Contactless and non-destructive chlorophyll content prediction by random forest regression: A case study on fresh-cut rocket leaves Contactless and non-destructive chlorophyll content prediction by random forest regression: A case study on fresh-cut rocket leaves
    Contactless and non-destructive chlorophyll content prediction by random forest regression: A case study on fresh-cut rocket leaves

    سال انتشار:

    2017


    عنوان انگلیسی مقاله:

    Contactless and non-destructive chlorophyll content prediction by random forest regression: A case study on fresh-cut rocket leaves


    ترجمه فارسی عنوان مقاله:

    پیش بینی محتوای کلروفیل بدون تماس و غیر مخرب با استفاده از رگرسيون تصادفی جنگل: مطالعه موردی روی برگهای تازه ريخته شده


    منبع:

    Sciencedirect - Elsevier - Computers and Electronics in Agriculture, 140 (2017) 303-310. doi:10.1016/j.compag.2017.06.012


    نویسنده:

    Dario Pietro Cavallo, Maria Cefola, Bernardo Pace, Antonio Francesco Logrieco, Giovanni Attolico


    چکیده انگلیسی:

    In green leafy vegetables, the retention of green colour is one of the most generally used index to evaluate the overall quality and freshness and it is associated to total chlorophyll content.Destructive chemical techniques and non-destructive chlorophyll meters represent the state-of-the-art methods to accomplish such critical task. The former are effective and robust but also expensive and time consuming. The latter are cheaper and faster but exhibit lower reliability, require the probe to touch the leaves and heavily depend on the positions chosen for sampling the leaf’s surface. In this paper, a new approach to non-destructively predict total chlorophyll content of fresh-cut rocket leaves without contact is proposed. Fresh-cut rocket leaves were analysed for total chlorophyll content by spectrophotometer and SPAD-502 (used as reference values) and acquired by a computer vision system using a machine- learning model (Random Forest Regression) to predict total chlorophyll content. Finally, the trained and validated model will be used for on-line prediction of total chlorophyll content of unseen fresh- cut rocket leaves. The proposed system can match the physical and timing constraints of a real industrial production line and its performance (R2 = 0.90), measured on the case study of fresh-cut rocket leaves, outperformed the results of the SPAD chlorophyll meter (R2 = 0.79).© 2017 Elsevier B.V. All rights reserved.
    Keywords:Random forest regression | Computer vision system | Non-destructive chlorophyll prediction | Machine learning | Polynomial features


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 8
    حجم فایل: 1220 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