In real conditions, the lighting is

In real conditions, the lighting is not uniform, the background may be changed and a potato shadow may be existed. In this paper, a robust segmentation algorithm for potato color image is presented to separate the potato and background. In the first step, the input color space is converted to the HSVr color space (Vr=0.75V) and the Mahalanobis distance from the color distribution of potato is computed. Then a Mamdani type fuzzy rule-based inference system is used to produce a potato likelihood image and a thresholding algorithm is then used to segment potato pixels. The performance of the both fuzzy rule-based inference system and thresholding algorithm is optimized by the GA. In fact, the proposed algorithm comprises soft computing methods to improve the accuracy. The number of clusters for the proposed fuzzy rulebased inference system is also determined by applying the subtractive clustering to a training sample set. After that, the sequence of morphological operations is used to improve the segmentation results. Implementation results of applying the proposed segmentation algorithm to more than 500 potato images indicate that the correct segmentation rate achieves to 98%

Kết quả (Việt) 1:

Trong điều kiện thực tế, ánh sáng không phải là thống nhất, phía sau có thể thay đổi và một bóng khoai tây có thể được tồn tại. Trong bài báo này, một thuật toán mạnh mẽ phân khúc cho khoai tây màu sắc hình ảnh được trình bày để tách nền và khoai tây. Trong bước đầu tiên, không gian màu đầu vào được chuyển đổi sang không gian màu HSVr (Vr = 0.75V) và khoảng cách Mahalanobis từ phân phối màu của khoai tây là tính toán. Sau đó, một hệ thống mờ suy luận dựa trên quy tắc Mamdani loại được sử dụng để sản xuất một hình ảnh khả năng khoai tây và một thuật toán thresholding sau đó được sử dụng để phân đoạn khoai tây pixel. Hiệu suất của cả hai suy luận dựa trên quy tắc mờ hệ thống và thresholding thuật toán tối ưu hóa bởi GA. Trong thực tế, các thuật toán được đề xuất bao gồm các phương pháp tính toán mềm để cải thiện tính chính xác. Số lượng các cụm hệ thống suy luận đề xuất mờ rulebased cũng được xác định bằng cách áp dụng trừ clustering để bộ đào tạo mẫu. Sau đó, trình tự của các hình thái hoạt động được sử dụng để cải thiện kết quả phân khúc. Thực hiện kết quả của việc áp dụng thuật toán đề xuất phân khúc với hơn 500 khoai tây hình ảnh cho thấy rằng tỷ lệ đúng phân khúc đạt đến 98%

Kết quả (Việt) 2:

Trong điều kiện thực tế, ánh sáng không đồng đều, nền có thể được thay đổi và một bóng khoai tây có thể được tồn tại. Trong bài báo này, một thuật toán phân chia mạnh mẽ cho hình ảnh màu khoai tây được trình bày để tách khoai tây và nền. Trong bước đầu tiên, đầu vào không gian màu được chuyển đổi sang không gian màu HSVr (Vr = 0.75V) và Mahalanobis khoảng cách từ sự phân bố màu sắc của khoai tây được tính. Sau đó, một loại mờ hệ thống suy luận dựa trên luật lệ Mamdani được sử dụng để tạo ra hình ảnh khoai khả năng và sau đó một thuật toán ngưỡng được sử dụng cho các điểm ảnh phân khúc khoai tây. Hiệu suất của hệ thống suy luận dựa trên luật lệ và ngưỡng thuật toán cả mờ được tối ưu hóa bởi GA. Trong thực tế, các thuật toán đề xuất bao gồm các phương pháp tính toán mềm để tăng độ chính xác. Số lượng các cụm công hệ thống suy luận mờ Dựa trên quy tắc đề xuất cũng được xác định bằng cách áp dụng các cụm trừ cho một tập mẫu huấn luyện. Sau đó, chuỗi các hoạt động hình thái được sử dụng để cải thiện kết quả phân khúc. Kết quả thực hiện của việc áp dụng thuật toán phân chia nhỏ đề xuất cho hơn 500 hình ảnh khoai tây chỉ ra rằng tỷ lệ phân chia chính xác đạt đến 98%