Andere Kunden interessierten sich auch für
![Tecniche di elaborazione delle immagini per l'identificazione e la classificazione delle piante]( "Tecniche di elaborazione delle immagini per l'identificazione e la classificazione delle piante")
Tecniche di elaborazione delle immagini per l'identificazione e la classificazione delle piante44,99 €![Tecniche di classificazione basate sull'apprendimento automatico]( "Tecniche di classificazione basate sull'apprendimento automatico")
Tecniche di classificazione basate sull'apprendimento automatico26,99 €![Cancro cervicale e riconoscimento della scrittura a mano con l'uso di RNA]( "Cancro cervicale e riconoscimento della scrittura a mano con l'uso di RNA")
Cancro cervicale e riconoscimento della scrittura a mano con l'uso di RNA29,99 €![Sistemi informatici: concetti di base, definizioni e classificazione]( "Sistemi informatici: concetti di base, definizioni e classificazione")
Sistemi informatici: concetti di base, definizioni e classificazione24,99 €![Classificazione dell'infezione di dengue con l'apprendimento automatico]( "Classificazione dell'infezione di dengue con l'apprendimento automatico")
Classificazione dell'infezione di dengue con l'apprendimento automatico30,99 €![Nuovo metodo per migliorare l'estrazione di dati multiclasse sbilanciati]( "Nuovo metodo per migliorare l'estrazione di dati multiclasse sbilanciati")
Nuovo metodo per migliorare l'estrazione di dati multiclasse sbilanciati23,99 €![Approccio ibrido di data mining per la classificazione dei testi]( "Approccio ibrido di data mining per la classificazione dei testi")
Approccio ibrido di data mining per la classificazione dei testi23,99 €
Nel presente lavoro è stato ideato un approccio di imaging digitale per studiare diversi tipi di caratteristiche per identificare le varietà di riso. Due diverse varietà di riso comuni sono state utilizzate per i test di definizione. Questi includono gli standard esistenti per Area del riso, Rapporto d'aspetto, rmean, gmean, bmean, entropia_r, entropia_g ed entropia_b. Il database mostra con successo l'efficacia della compattezza come sua caratteristica. Il database del presente lavoro riconosce il riso, che è stato addestrato e identificato. Con un'adeguata selezione di strumenti software, è stato progettato uno strumento a basso costo per l'analisi della qualità dei chicchi di riso che fornisce tutti i parametri rilevanti sui chicchi di riso attraverso l'analisi delle immagini. Il software ha quindi lo scopo di classificare accuratamente le microcalcificazioni di diversi tipi di varietà di riso, di utilizzarle per i test e di produrre risultati accurati.