Classification of dried parsnip using artificial neural networks

W ostatnich latach prace naukowo-badawcze realizowane w inżynierii rolniczej coraz częściej wykorzystują nowoczesne narzędzie modelowania, jakim są sztuczne sieci neuronowe. To narzędzie, jako uniwersalny aproksymator, w połączeniu z komputerową analizą obrazów, stosowane jest do tworzenia modeli empirycznych, opisujących zjawiska i procesy występujące w pozyskiwaniu i przetwarzaniu materiałów roślinnych. Szczególną cechą sztucznych sieci neuronowych jest zdolność uogólniania nabytej wiedzy, co jest ważnym aspektem w badaniach na obiektach o dużej liczbie czynników determinujących dany proces. Celem pracy badawczej było opracowanie modelu neuronowego do oceny jakości suszu pietruszki i jego klasyfikacji na podstawie cyfrowych fotografii. Do analizy i klasyfikacji wykorzystano susz pietruszki pozyskany metodą konwekcyjną. Do modelu klasyfikacyjnego wybrano cechy charakterystyczne, które umożliwiały klasyfikację ze względu na jakość suszu. W wyniku przeprowadzonych badań wygenerowano kilka modeli neuronowych, które poddano weryfikacji i walidacji.In recent years, agricultural engineers working in research have been using modern modeling tools, such as artificial neural networks, with increasing frequency. This tool, as a universal approximator together with computer image analysis is used to create empirical models that describe phenomena and processes involved in extracting and processing plant materials. Artificial neural networks are able to generalize from acquired knowledge, and this is an important feature when analyzing data involving a large range of factors to determine a given process. The objective of this research work was to develop a neural model allowing the assessment of dried parsnip quality and its classification on the basis of digital photos. Obtained by the convection method, the dried parsnip was analysed and classified. Its characterisctic features were chosen, allowing classification according to quality. As the result of the research, a number of generated neural models were verified and validated