使用基于HT-CNN和Hex-D-VCC的边界追踪机制对小麦叶病的分类和严重程度分析
1Electronics and Communication Engineering, Vel Tech Rangarajan Dr.Sagunthala R&D Institute of Science and Technology, Chennai, India. drthenappans@veltech.edu.in.
Environmental monitoring and assessment
|November 21, 2023
概括
早期识别小麦叶病使用一种新的基于超参数tanh的卷积神经网络 (HT-CNN) 提高了作物产量. 这种方法准确地预测疾病和严重程度,优于现有的技术.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 植物病理学 植物病理学
背景情况:
- 小麦是全球重要的作物,易患重大真菌病.
- 早期和准确的疾病鉴定对于提高小麦产量和尽量减少损失至关重要.
研究的目的:
- 提出一种新的HT-CNN模型来预测小麦叶病及其严重程度.
- 提高小麦疾病检测的准确性和有效性.
主要方法:
- 图像预处理:RGB转换为HSV,V组件过和增强.
- 使用加权的堪培拉基于距离的K-平均值 (WCD-K平均值) 和二元化进行细分.
- 使用Hex-D-VCC进行特征提取,使用面包师基于地图的哈里斯霍克斯优化 (BM-HHO) 进行最佳特征选择.
- 使用拟议的HT-CNN模型进行分类和严重性计算.
主要成果:
- 与其他方法相比,拟议的HT-CNN模型显示出更高的准确性和有效性.
- 综合方法有效地识别了患病的区域,并对疾病的严重程度进行了分类.
结论:
- 开发的HT-CNN模型为早期的小麦叶病检测和严重程度评估提供了强大的解决方案.
- 这种方法有可能对可持续农业和粮食安全作出重大贡献.
