logo
calendar10 Noyabr 2025
view68
Main language:Russian

КЛАССИФИКAЦИЯ АГРАРНОЙ ЗЕРНОВОЙ ПРОДУКЦИИ НА ЗДОРОВЫЕ И ЗАРАЖЕННЫЕ ПЛЕСЕНЬЮ ПО ИХ ЦВЕТОВЫМ ХАРАКТЕРИСТИКАМ

Field of Science:
pdf

69116132c026c.pdf

PDF

INNOVATION TECHNOLOGIES

INNOVATION TECHNOLOGIES

Publish Articlesee more

ARTICLE ANNOTATION

quote
Аннотaция. В данной статье представлены различные этапы построения системы классификaции аграрной зерновой продукции на здоровые и заражённые плесенью. На первом этапе рассматриваются и тестируются методы выбора подмножеств цветовых признаков зерновой продукции. Селектируются те из них, которые обладают высокой дискриминaционной информативностью относительно задачи классификaции. Затем к отобранной продукции применяются различные классификаторы, производительность и точность которых оценивается и выбирается.

AUTHORS

U.Muxamedxanov

ТАШКЕНТСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ИМЕНИ ИСЛАМА КАРИМОВА

B.Suvonov

Университет экономики и педагогики

Tags

# Ключевые слова: распознавание об# системы классификaции и идентифи

OTHER ARTICLES IN THIS JOURNAL

Rate Article

0
0 ratings
5
4
3
2
1

Article Identifiers

ROI:

https://eroi.uz/11.0032/A1125-0097

DOI:

Not Available

References

Колориметрия. URL: https://www.lkmportal.com/enc/kolorimetriya.

Клюев В.В., Соснин Ф.Р., Филинов В.Н. Неразрушающий контроль и диагностика : справочник. Москва: Машиностроение, 2003. 656 с.

Штейнберг Т.С., Семикина Л.И., Шведова О.Г. О разработке инструментального метода оценки цвета муки, выработанной из твердой пшеницы для макаронных изделий. Хлебопродукты. 2014. № 1. С. 56–60.

Юстова Е.Н. Цветовые измерения (Колориметрия). Санкт-Петербург: Изд-во С.-Петерб. ун-та, 2000. 397 с.

Джадд Д., Вышецки Г. Цвет в науке и технике. Москва:.Мир. 1978, 592 с.

Kavdir I., D.E.Guyer, Evaluation of different pattern recognition techniques for apple sorting, Biosystems Engineering 99, p.211-2129, 2008.

Serkan G., O. N. Gerek et al., The search for optimal feature set in power event classification, Expert systems with applications, 2009.

Pazoki A., Z. Pazoki, Classification system for rain fed wheat grain cultivars using artificial neural network,African Journal of Biotechnology Vol.10(41), p. 8031-8038, 2011.

Tsang C. et.al., Genetic-fuzzy rule mining approach and evaluation of feature selection techniques for anomaly intrusion detection,Pattern Recognition40,p.2373-2391, 2007.