MétaCan
Menu
Retour à la cohorte
Enregistrement W4387377372 · doi:10.59934/jaiea.v3i1.317

Digital Image Processing On Kaffir Orange Peel With Canny Edge Detection Algorithm

2023· article· en· W4387377372 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Artificial Intelligence and Engineering Applications (JAIEA) · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueNatural Products and Applications
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésMathematicsLimeFood scienceComputer visionChemistryBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Object tracking is a form of application of computer vision. To be able to track an object, a stage is needed in the image processing process. Image Processing is a field related to the process of image transformation (image). The image processing process is carried out to obtain better image quality. The harvesting system in kaffir lime is done manually, by choosing fruits whose skin color is green, and not yellowish. Due to the small and asymmetrical size and shape of kaffir lime, manual harvesting systems are still widely used to maintain the quality and quantity of the harvest. In addition, the manual harvesting system can also avoid damage to kaffir lime trees and obtain optimally ripe kaffir limes. Kaffir lime also has genders like humans, namely males and females. In male kaffir lime there is a circle that is more prominent in size underneath, while female kaffir lime has a flat shape. However, for consumption and medicinal purposes both male and female kaffir lime can be used without affecting the taste or quality of the fruit. With the image processing to determine the level of wrinkles on quality kaffir lime peel, kaffir lime will be selected which is usually used for herbal medicines. In this case, the Canny Edge Detection algorithm can be used to identify density edges in kaffir lime peels. Thus, the degree of wrinkles in kaffir lime peel can be calculated and measured to be more accurate. And can be separated quality or non-quality kaffir lime with the image of kaffir lime that has been seen through the image. The results obtained in designing and analyzing the quality of kaffir lime are clearer and more accurate with an image resolution value of 248 x 216 that the orange is included in the female kaffir lime type.The results tested that the right edge detection method in carrying out the edge detection process in the image of kaffir lime peel is the Canny Edge Detection Algorithm. By using the image on the Canny Edge Detection Algorithm, more dense and quality kaffir lime results are obtained so that it can be used for herbal medicine.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,909
Score d'incertitude au seuil0,210

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,237
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle