VISION BASED FRUIT INSPECTION USING INDEPENDENT COMPONENT ANALYSIS
Publish Year: 1383
Type: Conference paper
Language: English
View: 1,138
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دانلود نمایند.
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICMVIP03_090
Index date: 14 October 2011
VISION BASED FRUIT INSPECTION USING INDEPENDENT COMPONENT ANALYSIS abstract
we will propose a vision-based fruit inspection method that can robustly discriminate fruit defects. This is achieved by automatic feature extraction using ICA. Comparing with PCA and HSI decompositions, we will show that ICA results in better defect discrimination. Although no order is defined for ICA components, we observed that the defect unmixing vector of each fruit is clustered in a compact region of RGB space and a simple classifier can pick up the correct unmixing vector.
VISION BASED FRUIT INSPECTION USING INDEPENDENT COMPONENT ANALYSIS Keywords:
VISION BASED FRUIT INSPECTION USING INDEPENDENT COMPONENT ANALYSIS authors
H. Mobahi
University of Tehran
B. N. Araabi
University of Tehran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :