support vectormachine (SVM) [10] an

support vectormachine (SVM) [10] and near-infrared (NIR) [11]. Most methods provide >90% of accuracy on classifying different species of coffee beans. However, few methods are proposed to detect defects on unroasted green coffee beans. Before applying deep learning, area and circumference [12] of a coffee bean, are considered as important basis while judging, and gave us about 78.5% of accuracy while inspecting coffee beans with defects. Image processing technique and threshold applying [13] can also help to inspect defects on green coffee beans with about 83% of accuracy.

0/5000

源语言: -

目标语言: -

结果 (简体中文) 1: [复制]

复制成功！

支持向量 机（SVM）[10]和近红外（NIR）[11]。大多数方法在对不同种类的咖啡豆进行分类时可提供> 90％的准确性。然而，提出了很少的方法来检测未烘焙的生咖啡豆上的缺陷。在进行深度学习之前，将咖啡豆的面积和周长[12]作为判断的重要依据，并且当我们检查有缺陷的咖啡豆时，可提供约78.5％的准确度。图像处理技术和阈值应用[13]还可以以约83％的准确度帮助检查生咖啡豆上的缺陷。

正在翻译中..

结果 (简体中文) 2:[复制]

复制成功！

支持向量 机器（SVM） [10] 和近红外（NIR） [11].大多数方法在分类不同种类的咖啡豆时提供>90%的准确性。然而，很少方法可以检测未烤绿咖啡豆的缺陷。在应用深度学习之前，咖啡豆的面积和周长[12]在判断时被认为是重要的依据，在检查咖啡豆有缺陷时，给予我们大约78.5%的准确性。应用 [13] 的图像处理技术和阈值也有助于检查绿咖啡豆上的缺陷，准确率约为 83%。

正在翻译中..

结果 (简体中文) 3:[复制]

复制成功！

支持向量机 机器（SVM）[10]和近红外（NIR）[11]。大多数方法对不同种类的咖啡豆进行分类的准确率超过90%。然而，很少有方法被提出来检测未烘焙的绿色咖啡豆的缺陷。在应用深度学习之前，咖啡豆的面积和周长[12]被认为是判断的重要依据，在检查有缺陷的咖啡豆时，给了我们大约78.5%的准确率。图像处理技术和阈值应用[13]也有助于检测绿色咖啡豆的缺陷，准确率约为83%。

正在翻译中..

其它语言

本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.