基于数字热图像处理的机器学习系统,以识别土豆中的干腐病的进展水平,基于数字热图像处理

科学领域:

• 农业科学 农业科学
• 植物病理学 植物病理学
• 图像处理 图像处理

背景情况:

• 干腐病显著影响土豆产量和质量.
• 准确,及早地检测干腐烂对于尽量减少土豆损失至关重要.
• 目前的检测方法可能会耗时或破坏性.

研究的目的:

• 开发一种快速,非破坏性的基于温度的方法来检测土豆干腐.
• 用热成像来分类干发展的严重程度.
• 评估人工智能模型在疾病诊断方面的有效性.

主要方法:

• 马茎被加热,并在各种时间点捕获热图像.
• 图像处理中使用了Otsu的值方法和直方图分析.
• 从热图中提取特征,以训练人工神经网络和支持矢量机器.

主要成果:

• 的表面温度显示出基于干腐严重程度的显著差异.
• 开发的模型在检测健康和患病的茎方面取得了很高的准确性 (93-97%).
• 诊断健康茎的灵敏度达到了100%.

结论:

• 热力学为土豆干腐检测提供了一个快速,准确和非破坏性的方法.
• 拟议的系统可以有效地对疾病的严重程度进行分类,有助于作物管理.
• 这项技术有可能显著减少土豆由于干腐而造成的损失.