แจ้งเอกสารไม่ครบถ้วน, ไม่ตรงกับชื่อเรื่อง หรือมีข้อผิดพลาดเกี่ยวกับเอกสาร ติดต่อที่นี่ ==>
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
Rong Phoophuangpairoj. Mango maturity classification using VGG16. (). King Mongkut's University of Technology North Bangkok. Central Library. : , 2024.
Mango maturity classification using VGG16
Name: Dong, Xiangchen
Organization :
Rangsit University. College of Engineering
Name: Rong Phoophuangpairoj
Organization :
Rangsit University. College of Engineering
keyword:
CNN
LCSH:
Image processing
;
ResNet50
;
VGG16
Abstract:
Mangoes are mainly cultivated in tropical and
subtropical regions. The characteristics of mangoes are sour and
sweet taste, pleasant aroma and rich vitamin content of
nutrients, making them popular fruits. The work investigated
mango ripeness classification using various machine learning
classifiers by collecting the images of different stages of mango
ripeness and then used them to train a Convolution Neural
Network (CNN), MobileNet, ResNet50 and VGG16 classifier.
The experimental results showed that the CNN, MobileNet,
ResNet50 and VGG16 classifiers achieved the accuracies of
81.30%, 85.11%, 73.66% and 90.08%, respectively. The VGG16
achieved the highest classification accuracy, of which
classification accuracies from class 0 to class 5 were 98.85%,
98.85%, 95.80%, 95.80%, 95.42% and 95.42%, respectively.
King Mongkut's University of Technology North Bangkok. Central Library
Address:
BANGKOK
Email:
library@kmutnb.ac.th
Created:
2024
Modified:
2025-01-23
Issued:
2025-01-23
บทความ/Article
application/pdf
BibliograpyCitation :
In Rajamangala University of Technology Krungthep. 12th International Electrical Engineering Congress (iEECON 2024) (pp.292-296). Bangkok : Rajamangala University of Technology Krungthep
eng
©copyrights King Mongkut's University of Technology North Bangkok
RightsAccess:
ใช้เวลา
0.017143 วินาที
Dong, Xiangchen
| Title | Contributor | Type |
|---|---|---|
| Mango maturity classification using VGG16
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Dong, Xiangchen;Rong Phoophuangpairoj | บทความ/Article |
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 |