Spring barley seeds density determination using artificial neuron networks

W pracy opracowano modele wykorzystujące sztuczne sieci neuronowe do wyznaczenia gęstości nasion jęczmienia jarego (odmiany Stratus i Rodos). Po przebadaniu 200 sieci wybrano jako modele dwie sieci typu perceptron trójwarstwowy. Jako dane wejściowe istotne okazały się mass ziarna, długości i jeden z wymiarów poprzecznych (grubość albo szerokość). Wybrane sieci neuronowe zachowały zdolność generalizacji - średnie błędy względne dla danych testujących (nie wykorzystywanych w procesie uczenia) były nieznacznie większe niż dla danych walidacyjnych.The study involved development of models using artificial neuron networks to determine spring barley seeds density (Stratus and Rodos varieties). After having tested 200 networks, two three-layer perception-type networks were selected for models. Important input data were: seed weight, seed length, and one of crosswise dimensions (thickness or width). Selected neuron networks maintained their generalization ability - mean relative errors for testing data (not used in learning process) were slightly higher than for validation data