一种先进的方法来检测和分类无花果叶病:利用图像处理和增强的支持向量机方法
Sharaf Alzoubi1, Malik Jawarneh2, Qusay Bsoul3
1Information Technology Department, Amman Arab University, Amman, Jordan.
Open life sciences
|November 29, 2023
概括
这项研究引入了一种先进的图像处理方法,用于精确检测无花果叶病. 粒子优化支持矢量机 (PSO SVM) 算法在分类植物疾病方面表现出高准确性.
科学领域:
- 农业技术 农业技术
- 植物病理学 植物病理学
- 计算机视觉 计算机视觉
背景情况:
- 农作物疾病对农业的可持续性和生产力构成重大威胁.
- 精确的植物健康监测对于有效的疾病管理至关重要.
- 图像处理为自动疾病识别提供了强大的工具.
研究的目的:
- 开发一种创新方法,精确检测和分类无花果叶病.
- 将支持矢量机 (SVM) 与先进的图像处理技术相结合.
- 通过改善植物健康监测,增强农业的可持续性.
主要方法:
- 获取患病无花果叶的数字彩色图像.
- 图像预处理:无声化 (平均函数) 和增强 (对比度受限的自适应式直方图等级).
- 分段 (模糊C平均值),特征提取 (主要组件分析) 和分类 (PSO SVM,反向传播神经网络,随机森林).
主要成果:
- 粒子优化支持矢量机 (PSO SVM) 算法在准确分类无花果叶疾病方面取得了卓越的性能.
- 该研究证明了拟议的综合图像处理和分类方法的有效性.
- 观察到在检测和分类无花果叶病的高度准确性.
结论:
- 整合图像处理和基于SVM的分类为作物疾病管理提供了一个有前途的解决方案.
- 这种方法对可持续农业和植物疾病缓解作出了重大贡献.
- 这些发现支持通过技术提高农业生产率和全球粮食安全.
