用符合多项式的图像特征对番茄叶图像进行分类,以检测植物疾病
Ala'a R Al-Shamasneh1, Rabha W Ibrahim2,3
1Department of Computer Science, College of Computer & Information Sciences, Prince Sultan University, Rafha Street, Riyadh 11586, Saudi Arabia.
MethodsX
|August 2, 2024
概括
早期发现番茄叶病对作物产量至关重要. 这项研究为机器学习模型引入了一种新的符合多项式特征提取方法,在疾病检测中达到98.80%的准确性.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 植物疾病导致大量的作物损失,影响全球粮食安全.
- 手动检测疾病是劳动密集型和昂贵的.
- 使用图像处理和机器学习的自动化方法为早期疾病识别提供了高效的解决方案.
研究的目的:
- 开发一种自动化系统,用于准确和快速检测番茄叶病.
- 引入一种新的特征提取方法,使用符合多项式来进行增强的图像分析.
- 通过精确的疾病管理,提高作物产量并减少对环境的影响.
主要方法:
- 使用图像预处理,特征提取,尺寸缩小和分类.
- 开发并应用了一种使用符合多项式的新纹理特征提取方法.
- 支持矢量机 (SVM) 分类器用于植物村数据集上的疾病分类.
主要成果:
- 拟议的符合多项式特征提取方法在识别番茄叶病时取得了高准确性.
- 该系统使用SVM分类器检测疾病的准确性达到了98.80%.
- 该方法有效地提取纹理特征,用于准确的植物疾病分析.
结论:
- 这种新的特征提取方法为植物疾病检测提供了准确和更快的解决方案.
- 这种方法可以显著减少农业的财务损失,提高作物产量.
- 有效的植物疾病管理有助于增强粮食安全.
