Resumen

El objetivo de esta investigación es evaluar las características de textura y forma utilizando las arquitecturas de redes neuronales más utilizadas para la clasificación de granos de cereales. Se realizó una evaluación de la precisión de clasificación de las características de textura y forma y de la red neuronal para clasificar cuatro granos de Paddy (arroz), a saber, Karjat-6(K6), Ratnagiri-2(R2), Ratnagiri-4(R4) y Ratnagiri-24(R24). Se escribieron algoritmos para extraer las características de las imágenes de alta resolución de los granos de cuatro tipos de grano y se utilizaron como características de entrada para la clasificación. Se comprobó la capacidad de distintos modelos de características para clasificar estos granos de cereal. Se estudió el efecto del uso de distintos parámetros en la precisión de la clasificación. Se identificó la característica más adecuada para una clasificación precisa. El conjunto de características de forma superó al conjunto de características de textura en casi todos los casos de clasificación.

• Materias:Algoritmo de programación Interacción fluido-estructura Intercambiador de calor Minería colaborativa Variedades de arroz
• Subjects:Programming algorithm Fluid-structure interaction Heat exchanger Collaborative mining Rice varieties
• Palabras claves:clasificación, características de forma, distintos modelos de características, clasificación de granos de cereales, arquitecturas de redes neuronales, características, textura, clasificación precisa, granos de cereales, precisión de la clasificación
• Keywords:classification, shape features, Different feature models, cereal grain classification, neural network architectures, features, texture, accurate classification, cereal grains, classification accuracy