Object classification using X-ray images
Artykuł w czasopiśmie
MNiSW
5
spoza listy
| Status: | |
| Warianty tytułu: |
Klasyfikacja obiektów na podstawie ich zdjęć rentgenowskich
|
| Autorzy: | Nowosad Piotr, Charytanowicz Małgorzata |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Rok wydania: | 2020 |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Wolumen/Tom: | 15 |
| Strony: | 206 - 213 |
| Bazy: | BazTech |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | NIE |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Witryna wydawcy |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 30 czerwca 2020 |
| Abstrakty: | angielski | polski |
| The main aim of the presented research was to assess the possibility of utilizing geomet ric features in object classifica- tion. Studies were conducted using X-ray images of kernels belonging to three dif ferent wheat varieties: Kama, Canadi- an and Rosa. As a part of the work, image processing methods were used to determine the main geometric grain param- eters, including the kernel area, kernel perimeter, kernel length and kernel wid th. The results indicate significant differ- ences between wheat varieties, and demonstrates the importance of their size and sha pe parameters in the classification process. The percentage of correctness of classification was about 92% when the k- Means algorithm was used. A classification rate of 93% was obtain using the K-Nearest Neighbour and Support Vecto r Machines. Herein, the Rosa variety was better recognized, whilst the Canadian and Kama varieties were less successfully differ entiated. | |
| Głównym celem artykułu było zbadanie możliwości wykorzystania cech geometrycznych ob iektów w procesie ich klasyfikacji. Materiał badawczy stanowiły zdjęcia rentgenowskie ziaren trzech odmian pszenicy: kama, kanadyjs kiej i rosa. W ramach pracy opracowano me tody pozwalające na wyznaczenie cech geometrycznych obiektów znajdujących się na obrazach cyfrowych, takich jak długość, szerokość, średnica, pole i obwód. Otrzymane wyniki wykazały istotne różnice pomiędzy parametrami charakteryzującymi kształt i wielkości poszczególnych o dmian pszenicy i możliwość ich zastosowania w procesie klasyfikacji. Procent poprawnie zaklasyfikowanych ziaren za pom ocą algorytmu k- średnich wynosił 92%. Nieco lepsze wyniki, rzędu 93%, uzyskano za pomocą metod K - najbliższych sąsiadów i wek- torów wspierających. Najlepiej rozróżnialną odmianą okazała się rosa w porównaniu do odmian kanadyjskiej i kama. |
