基于多层次手工特征提取技术的各种水植物疾病的增强分类系统
Yasmin M Alsakar1, Nehal A Sakr1, Mohammed Elmogy2
1Information Technology Department, Faculty of Computers and Information, Mansoura University, Mansoura, 35516, Egypt.
Scientific reports
|December 23, 2024
概括
这项研究引入了一种自动化系统,用于通过图像处理和深度学习来检测大米植物叶病. 这种新的特征融合方法实现了高精度,改进了传统的基于专家的诊断.
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:
- 米是全球重要的作物,易患许多疾病.
- 传统的疾病检测方法是劳动密集型的,依赖于专家知识.
- 图像处理和深度学习方面的进步为农业提供了自动化解决方案.
研究的目的:
- 开发一种用于检测和分类大米植物叶病的自动化系统.
- 通过融合多种特征提取技术来提高疾病检测的准确性.
- 为手动疾病诊断提供一种高效可靠的替代方案.
主要方法:
- 图像获取大米植物叶的图像.
- 预处理包括数据增强和对数转换.
- 使用颜色对应图 (CC) 和多级多通道本地二进制模式 (MCLBP) 的特征提取.
- 通过连接CC和MCLBP特征进行特征融合.
- 使用一对一支持向量机器 (SVM) 进行分类.
主要成果:
- 拟议的系统在基准数据集上实现了高分类准确率:99.53%,99.4%和99.14%.
- 功能融合方法有效地结合了颜色和纹理信息,改善了歧视.
- 与现有的最先进的方法相比,该系统表现出了有前途的性能.
结论:
- 开发的系统提供了一个准确和有效的方法来检测大米叶病.
- 使用融合特征的自动疾病诊断可以显著帮助农业实践.
- 这种方法有可能在作物监测和管理中得到广泛应用.
相关概念视频
01:59Plant Breeding and Biotechnology
18.8K
Crop cultivation has a long history in human civilization, with records showing the cultivation of cereal plants beginning at around 8000 BC. This early plant breeding was developed primarily to provide a steady supply of food.
18.8K
02:16Light Acquisition
8.4K
In order to produce glucose, plants need to capture sufficient light energy. Many modern plants have evolved leaves specialized for light acquisition. Leaves can be only millimeters in width or tens of meters wide, depending on the environment. Due to competition for sunlight, evolution has driven the evolution of increasingly larger leaves and taller plants, to avoid shading by their neighbors with contaminant elaboration of root architecture and mechanisms to transport water and nutrients.
8.4K