Gowrisankar j (13 résultats)

Etat : New.

Etat : New.

Etat : New.

Etat : New.

Etat : New.

Etat : New.

Etat : New.

Etat : New.

Taschenbuch. Etat : Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Le projet se concentre sur le développement d'un système de classement en temps réel de la fraîcheur et de la qualité des légumes en utilisant des techniques avancées d'apprentissage profond et de vision par ordinateur. En intégrant le modèle de détection d'objets YOLOv12 aux réseaux neuronaux convolutifs (CNN), le système peut identifier avec précision les légumes et les classer en fonction de leurs niveaux de fraîcheur et de qualité. L'approche s'appuie sur des méthodes de traitement d'images pour extraire des caractéristiques importantes telles que la couleur, la texture et les défauts de surface, ce qui permet un classement efficace sans intervention humaine. Ce système automatisé améliore la vitesse, la cohérence et la précision par rapport aux méthodes manuelles traditionnelles, ce qui le rend tout à fait adapté aux applications modernes d'agriculture intelligente et de chaîne d'approvisionnement. En fin de compte, la solution proposée contribue à réduire le gaspillage alimentaire, à améliorer le contrôle de la qualité et à soutenir les pratiques agricoles durables.…

Taschenbuch. Etat : Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Das Projekt konzentriert sich auf die Entwicklung eines Echtzeit-Systems zur Bewertung der Frische und Qualität von Gemüse unter Verwendung fortschrittlicher Deep Learning- und Computer Vision-Techniken. Durch die Integration des YOLOv12-Objekterkennungsmodells mit Convolutional Neural Networks (CNN) kann das System Gemüse genau identifizieren und anhand seiner Frische und Qualität klassifizieren. Der Ansatz nutzt Bildverarbeitungsmethoden, um wichtige Merkmale wie Farbe, Textur und Oberflächenfehler zu extrahieren und ermöglicht so eine effiziente Klassifizierung ohne menschliches Eingreifen. Dieses automatisierte System verbessert die Geschwindigkeit, Konsistenz und Genauigkeit im Vergleich zu herkömmlichen manuellen Methoden und eignet sich daher hervorragend für moderne intelligente Landwirtschafts- und Lieferkettenanwendungen. Letztendlich trägt die vorgeschlagene Lösung dazu bei, Lebensmittelabfälle zu reduzieren, die Qualitätskontrolle zu verbessern und nachhaltige landwirtschaftliche Praktiken zu unterstützen.…

Taschenbuch. Etat : Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - O projeto centra-se no desenvolvimento de um sistema de classificação da frescura e da qualidade dos vegetais em tempo real, utilizando técnicas avançadas de aprendizagem profunda e de visão computacional. Ao integrar o modelo de deteção de objectos YOLOv12 com Redes Neuronais Convolucionais (CNN), o sistema pode identificar com precisão os vegetais e classificá-los com base nos seus níveis de frescura e qualidade. A abordagem utiliza métodos de processamento de imagem para extrair caraterísticas importantes como a cor, a textura e os defeitos de superfície, permitindo uma classificação eficiente sem intervenção humana. Este sistema automatizado melhora a velocidade, a consistência e a precisão em comparação com os métodos manuais tradicionais, tornando-o altamente adequado para aplicações modernas de agricultura inteligente e cadeia de abastecimento. Em última análise, a solução proposta contribui para reduzir o desperdício alimentar, melhorar o controlo de qualidade e apoiar práticas agrícolas sustentáveis.…

Taschenbuch. Etat : Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Projekt koncentruje si¿ na opracowaniu systemu klasyfikacji ¿wie¿o¿ci i jako¿ci warzyw w czasie rzeczywistym przy u¿yciu zaawansowanych technik g¿¿bokiego uczenia i wizji komputerowej. Integruj¿c model wykrywania obiektów YOLOv12 z konwolucyjnymi sieciami neuronowymi (CNN), system mo¿e dok¿adnie identyfikowä warzywa i klasyfikowä je na podstawie ich ¿wie¿o¿ci i poziomu jako¿ci. Podej¿cie to wykorzystuje metody przetwarzania obrazu w celu wyodr¿bnienia wänych cech, takich jak kolor, tekstura i wady powierzchni, umo¿liwiaj¿c wydajn¿ klasyfikacj¿ bez interwencji cz¿owieka. Ten zautomatyzowany system poprawia szybko¿¿, spójno¿¿ i dok¿adno¿¿ w porównaniu z tradycyjnymi metodami r¿cznymi, dzi¿ki czemu doskonale nadaje si¿ do zastosowä w nowoczesnym inteligentnym rolnictwie i ¿äcuchu dostaw. Ostatecznie proponowane rozwi¿zanie przyczynia si¿ do zmniejszenia marnotrawstwa ¿ywno¿ci, poprawy kontroli jako¿ci i wspierania zrównowäonych praktyk rolniczych.…

Taschenbuch. Etat : Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Il progetto si concentra sullo sviluppo di un sistema di classificazione della freschezza e della qualità degli ortaggi in tempo reale, utilizzando tecniche avanzate di deep learning e computer vision. Integrando il modello di rilevamento degli oggetti YOLOv12 con le reti neurali convoluzionali (CNN), il sistema è in grado di identificare con precisione gli ortaggi e di classificarli in base ai loro livelli di freschezza e qualità. L'approccio sfrutta i metodi di elaborazione delle immagini per estrarre caratteristiche importanti come colore, consistenza e difetti superficiali, consentendo una classificazione efficiente senza l'intervento umano. Questo sistema automatizzato migliora la velocità, la coerenza e l'accuratezza rispetto ai metodi manuali tradizionali, rendendolo molto adatto alle moderne applicazioni di smart agriculture e supply chain. In definitiva, la soluzione proposta contribuisce a ridurre gli sprechi alimentari, a migliorare il controllo della qualità e a sostenere pratiche agricole sostenibili. …