МЕТОДИКА ОПРЕДЕЛЕНИЯ ЗЕРНОВОЙ ПРИМЕСИ В СОСТАВЕ ЗЕРНОВОЙ МАССЫ ПШЕНИЦЫ
Лузев Виктор Сергеевич, Искрин Роман Владимирович
ГОУ ВПО "Алтайский государственный технический университет им. И. И. Ползунова"
Аннотация. В статье описан процесс создания работающего программного продукта, выполняющего задачи по анализу изображений на засорённость зерна, ведению базы изображений и администрированию пользователей. В процессе создания программы были рассмотрены и применены ряд алгоритмов для обработки изображений и исследованы различные способы применения искусственных нейронных сетей, в результате чего удалось добиться высокой точности распознавания. При высокой точности распознавания программа имеет высокое быстродействие и гибкость в использовании.
Ключевые слова и фразы: засоренность зерна, анализ изображений, искусственные нейронные сети, точность распознавания, быстродействие программы, засоренность зерна; анализ изображений; искусственные нейронные сети; точность распознавания; быстродействие программы, grain infestation, image analysis, artificial neural networks, accuracy of recognition, fast response of program
Открыть полный текст статьи в формате PDF. Бесплатный просмотрщик PDF-файлов можно скачать здесь.
Список литературы:
Аграрный блог, все о сельском хозяйстве. Сорные растения и вред, причиняемый ими [Электронный ресурс]. URL: http://web-agrarian.ru/2009/11/10/
Большой энциклопедический словарь. Сельское хозяйство [Электронный ресурс]. URL: http://www.cnshb.ru/AKDiL/0024.shtm
Казаков Е. Д. Зерноведение с основами растениеводства. М.: Колос, 1983. 352 с.
Методология формирования баз данных по сортам пшеницы и ячменя сибирской селекции / В. В. Альт // Вестник ВОГиС. Н., 2005. Т. 9. № 3. С. 451-460.
Определение линейных размеров зерна / Я. Мартыненко, В. Прокопец // Хлебопродукты. 1992. № 3. С. 24-25.
Сортоведение зерновых и крупяных культур: методическое пособие / сост. Т. А. Бочарова. 2-е изд. Барнаул, 2005. 60 с.