แจ้งเอกสารไม่ครบถ้วน, ไม่ตรงกับชื่อเรื่อง หรือมีข้อผิดพลาดเกี่ยวกับเอกสาร ติดต่อที่นี่ ==>
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
Sapon Audomsin. Ripeness classification of a bunch of bananas using a CNN. (). King Mongkut's University of Technology North Bangkok. Central Library. : , 2023.
Ripeness classification of a bunch of bananas using a CNN
Name: Rong Phoophuangpairoj
Organization :
Rangsit University. College of Engineering
Organization :
Rangsit University. College of Engineering
Name: Sapon Audomsin
Organization :
Rangsit University. College of Engineering
keyword:
Banana ripeness
ThaSH:
Image processing
Abstract:
Bananas are one of the richest sources of vitamins
and minerals in the world and bananas are also one of
Thailand's most economically significant fruit crops. Images of
a bunch of bananas were used to train a Convolution Neural
Network (CNN). The convolutional layers applied different
filters as feature detectors to create a feature map representing
the detected input features. Then the features were shaped into
one-dimensional features and sent to an Artificial Neural
Network (ANN) for the banana ripeness classification. The
results showed that the classification was quite accurate. Using
the same set of images for both training and testing, the CNN
achieved the accuracy of 100.00 percent. The average classification
accuracy of 91.21 percent was achieved when testing with images
excluded from training. The classification accuracy from class 0
to class 4 was 93.94 percent, 90.00 percent, 87.50 percent, 89.47 percent
and 92.31 percent, respectively.
King Mongkut's University of Technology North Bangkok. Central Library
Address:
BANGKOK
Email:
library@kmutnb.ac.th
Created:
2023
Modified:
2024-12-04
Issued:
2024-12-04
บทความ/Article
application/pdf
BibliograpyCitation :
In Electrical Engineering Academic Association (Thailand), Mahasarakham University. Faculty of Engineering and ASEFA. The 2023 International Electrical Engineering Congress (iEECON 2023) (pp.180-183). Mahasarakham : Mahasarakham University
eng
©copyrights King Mongkut's University of Technology North Bangkok
RightsAccess:
ใช้เวลา
0.020977 วินาที
Rong Phoophuangpairoj
| Title | Contributor | Type |
|---|---|---|
| Ripeness classification of a bunch of bananas using a CNN
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Rong Phoophuangpairoj;Thanadech Ngoenrungrueang;Sapon Audomsin | บทความ/Article | |
| Determining banana ripeness using Mobilenet
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Chen, Hong;Rong Phoophuangpairoj | บทความ/Article | |
| Mango maturity classification using VGG16
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Dong, Xiangchen;Rong Phoophuangpairoj | บทความ/Article | |
| Classification of snatch weightlifting phases
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Qi, Ming;Rong Phoophuangpairoj | บทความ/Article | |
| Thai-English name matching using google translation and Thai romanization
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Rong Phoophuangpairoj;Panrawe Boonsom;Piyarat Pipattarasakul | บทความ/Article | |
| A hybrid YOLO-VGG16 for fallen motorcycle detection
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Si, Ruixue;Rong Phoophuangpairoj | บทความ/Article |
Thanadech Ngoenrungrueang
| Title | Contributor | Type |
|---|---|---|
| Ripeness classification of a bunch of bananas using a CNN
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Rong Phoophuangpairoj;Thanadech Ngoenrungrueang;Sapon Audomsin | บทความ/Article |
Sapon Audomsin
| Title | Contributor | Type |
|---|---|---|
| Ripeness classification of a bunch of bananas using a CNN
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Rong Phoophuangpairoj;Thanadech Ngoenrungrueang;Sapon Audomsin | บทความ/Article |