Abstract

GANGANAGOWDER, Narendra Veernagouda  and  KAMATH, Priya. Modelos de clasificación inteligente para productos alimenticios con base en características morfológicas, de color y textura. Acta Agron. [online]. 2017, vol.66, n.4, pp.486-494. ISSN 0120-2812.  https://doi.org/10.15446/acag.v66n4.60049.

El objetivo de esta investigación es construir un modelo de clasificación supervisada inteligente de productos alimenticios tales como galletas, cereales, vegetales, nueces, plantas, etc., el uso de imágenes digitales. La correlación basada Selección de características (CFS) y el algoritmo 2ª derivados pretratamientos de la morfológica, Color y Características de textura fueron utilizados para entrenar los modelos de clasificación y detección. Se obtuvo la mejor precisión de la predicción para el perceptrón multicapa mediante los siguientes clasificadores: (MLP), máquinas de vectores soporte (SVM), Bosque aleatorio (RF), logística simple (SLOG) y (SMO) secuencial mínimo de optimización (más del 80% de la tasa de éxito para la formación / equipo de prueba y el 80% para el conjunto de validación). El porcentaje de casos clasificados correctamente era muy alta en estos modelos con un rango de 80% a 96% para la formación del sistema entrenamiento/prueba y hasta el 95% para el conjunto de validación.

Keywords : Algoritmo; imágenes digitales; clasificadores de alimentos; precisión de predicción; entrenamiento / prueba.

        · abstract in English     · text in English     · English ( pdf )