ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Mangosteen grading is essential for maintaining quality standards in both local and export markets. Traditional manual grading, based on visual inspection, is time-consuming and inconsistent. This paper proposes a multi-view regression-based model using convolutional neural networks (CNN) to automate the grading process. Methodologically, the proposed architecture employs two shared CNN-backbones to extract spatial features from six views, where one backbone processes the top and bottom views, while another processes the four side views. The extracted features are aggregated into a regressor to predict a continuous quality score (0–1). This score is then mathematically mapped to a discrete grade class via a proximity function, flexibly accommodating different market standards without structural changes. Trained on datasets from three trading markets, the model achieves grading accuracies of 100%, 95%, and 99% for three, seven, and eight class datasets, respectively.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 72/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Industrial Vision Systems and Defect Detection · Image and Video Quality Assessment · Advanced Image and Video Retrieval Techniques
บทบาทของนักวิจัยและสถาบันไทย
Worapan Kusakunniran · Kittinun Aukkapinyo · Kittikhun Thongkanchorn · Pimpinan Somsong · Pimsiri Tiyayon · Sai Thu Ya Aung · Yu Nandar Aung · Thirada Suesat · Mahidol University · Chulalongkorn University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง