Potato defect detection using Computer vision and Neural Networks
Publish place: First National Conference on Electrical Engineering Isfahan
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: English
View: 982
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISFAHANELEC01_138
تاریخ نمایه سازی: 23 اسفند 1392
Abstract:
World potato consumption is headed up, growing at an annual rate of 4.5%. Detection of external defects on potatoesis the most important technology in the realization of automatic potato grading stations. A real time system isproposed in this article; HSV color space is used to remove background following image acquisition step. Afterwards,co-occurrence texture features are extracted from the image, and finally three different Neural Networks are trainedand validated to select the better classifier for defect detection. Results showed that the Support Vector Machinenetworks represent a higher performance in the direction of Multi Layer Perceptrons and Radial Basis Functionnetworks for potato classifications.
Keywords:
Authors
Navid Razmjooy
Young Researchers club, Majlesi branch, Islamic Azad University, Isfahan, Iran.
Reza Daviran
Majlesi Branch, Islamic Azad University, Isfahan, Iran
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 :