Andere Kunden interessierten sich auch für
![Un nuevo índice de calidad de imagen y su aplicación en imágenes de RMN]( "Un nuevo índice de calidad de imagen y su aplicación en imágenes de RMN")
Un nuevo índice de calidad de imagen y su aplicación en imágenes de RMN27,99 €![Un enfoque basado en tokens para la detección de plagio de código fuente]( "Un enfoque basado en tokens para la detección de plagio de código fuente")
Un enfoque basado en tokens para la detección de plagio de código fuente27,99 €![Sistema de detección del lenguaje de signos indio]( "Sistema de detección del lenguaje de signos indio")
Sistema de detección del lenguaje de signos indio27,99 €![Sistema inteligente de detección de accidentes de vehículos]( "Sistema inteligente de detección de accidentes de vehículos")
Sistema inteligente de detección de accidentes de vehículos26,99 €![Detección automática de inundaciones mediante datos de teledetección]( "Detección automática de inundaciones mediante datos de teledetección")
Detección automática de inundaciones mediante datos de teledetección18,99 €![DETECCIÓN DE BACTERIAS QUERATINOLÍTICAS DE RESIDUOS DE AVES DE CORRAL]( "DETECCIÓN DE BACTERIAS QUERATINOLÍTICAS DE RESIDUOS DE AVES DE CORRAL")
DETECCIÓN DE BACTERIAS QUERATINOLÍTICAS DE RESIDUOS DE AVES DE CORRAL32,99 €![Sistema de detección de despegues mediante ensayos de corrientes de Foucault con compensación de errores]( "Sistema de detección de despegues mediante ensayos de corrientes de Foucault con compensación de errores")
Sistema de detección de despegues mediante ensayos de corrientes de Foucault con compensación de errores27,99 €
Los objetivos del presente estudio eran desarrollar un protocolo de análisis de imágenes para derivar descriptores matemáticos adecuados para detectar la adulteración del ghee de vaca con grasa vegetal y desarrollar un modelo para predecir los niveles de adulteración. Los parámetros de intensidad de píxeles, morfología, color, textura y esqueleto se obtuvieron aplicando el protocolo desarrollado a las imágenes adquiridas mediante un escáner plano y se analizaron con el programa ImageJ. Estos parámetros se midieron en el caso del ghee de vaca puro y se compararon con los del ghee adulterado con un 5%, 10%, 15% y 20% de grasa vegetal. Tras un cuidadoso examen de la intercorrelación entre los parámetros textuales y físicos, se seleccionaron la intensidad de píxel, las ramas, la luminancia y el diámetro equivalente para desarrollar el modelo de predicción. La capacidad potencial de los parámetros seleccionados para detectar los niveles de adulteración se evaluó mediante un análisis discriminante. Los niveles de adulteración de las muestras se clasificaron correctamente en un 92,2% y el valor R2 ajustado para el modelo de predicción desarrollado fue de 0,94. Además, el modelo de predicción se validó mediante un análisis discriminante. Además, el modelo de predicción se validó utilizando un nuevo conjunto de datos que incluía una muestra de ghee comercialmente popular en el mercado y resultó ser bueno.