VISION BASED FRUIT INSPECTION USING INDEPENDENT COMPONENT ANALYSIS
محل انتشار: سومین کنفرانس ماشین بینایی و پردازش تصویر
سال انتشار: 1383
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,080
متن کامل این مقاله 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 مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP03_090
تاریخ نمایه سازی: 22 مهر 1390
چکیده مقاله:
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.
کلیدواژه ها:
نویسندگان
H. Mobahi
University of Tehran
B. N. Araabi
University of Tehran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :