Classification of rice varieties using optimal color and texture features andBP Neural networks
محل انتشار: هفتمین کنفرانس ماشین بینایی و پردازش تصویر ایران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,323
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP07_115
تاریخ نمایه سازی: 28 مرداد 1391
چکیده مقاله:
In this paper, an algorithm for classifying fivedifferent varieties of rice, using the color and texture features ispresented. The proposed algorithm consists of several steps:image acquisition, segmentation, feature extraction, featureselection, and classification. Sixty color and texture features wereextracted from rice kernels. The Set of features containedredundant, noisy or even irrelevant information so features wereexamined by four different algorithms. Finally twenty-two featureswere selected as the superior ones. A back propagation neuralnetwork-based classifier was developed to classify rice varieties.The overall classification accuracy was achieved as 96.67%.
کلیدواژه ها:
نویسندگان
Seyed Jalaleddin Mousavi Rad
Department of Computer EngineeringUniversity of KurdistanSanandaj, Iran
Fardin Akhlaghian Tab
Department of Computer EngineeringUniversity of KurdistanSanandaj, Iran
Kaveh Mollazade
Dept. of Mech. Eng. of Agri. MachineryUniversity of KurdistanSanandaj, Iran
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 :