Crop disease detection and classification based on hybrid information approach
Cilj ovog rada je identificirati bolesti u listovima svih biljaka. Dijagnoza biljnih bolesti pomaže poboljšati kvalitetu i količinu produktivnosti usjeva. Za otkrivanje bolesti koriste se spektroskopske tehnike. Te tehnike su vrlo skupe i mogu ih koristiti samo obučene osoba. Ovaj rad predlaže prist...
| Permalink: | http://skupnikatalog.nsk.hr/Record/nsk.NSK01001041796/Details |
|---|---|
| Matična publikacija: |
Informatologia (Online) 51 (2018), 1/2 ; str. 1-12 |
| Glavni autori: | Vijayalakshmi, Subramanian (Author), Murugan, Dhanushkodi |
| Vrsta građe: | e-članak |
| Jezik: | eng |
| Predmet: | |
| Online pristup: |
https://doi.org/10.32914/i.51.1-2.1 Hrčak |
| LEADER | 04038naa a22003854i 4500 | ||
|---|---|---|---|
| 001 | NSK01001041796 | ||
| 003 | HR-ZaNSK | ||
| 005 | 20191003144840.0 | ||
| 006 | m d | ||
| 007 | cr|||||||||||| | ||
| 008 | 190926s2018 ci a |o |0|| ||eng | ||
| 024 | 7 | |2 doi |a 10.32914/i.51.1-2.1 | |
| 035 | |a (HR-ZaNSK)001041796 | ||
| 040 | |a HR-ZaNSK |b hrv |c HR-ZaNSK |e ppiak | ||
| 041 | 0 | |a eng |b hrv |b eng | |
| 042 | |a croatica | ||
| 044 | |a ci |c hr | ||
| 080 | 1 | |a 631/635 |2 2011 | |
| 080 | 1 | |a 004 |2 2011 | |
| 100 | 1 | |a Vijayalakshmi, Subramanian |4 aut | |
| 245 | 1 | 0 | |a Crop disease detection and classification based on hybrid information approach |h [Elektronička građa] / |c S. [Subramanian] Vijayalakshmi, D. [Dhanushkodi] Murugan. |
| 246 | 3 | 1 | |a Otkrivanje i klasifikacija bolesti usjeva na temelju informacijskog hibridnog pristupa |
| 300 | |b Ilustr. | ||
| 504 | |a Bibliografske bilješke na kraju teksta. | ||
| 504 | |a Sažetak ; Abstract. | ||
| 520 | |a Cilj ovog rada je identificirati bolesti u listovima svih biljaka. Dijagnoza biljnih bolesti pomaže poboljšati kvalitetu i količinu produktivnosti usjeva. Za otkrivanje bolesti koriste se spektroskopske tehnike. Te tehnike su vrlo skupe i mogu ih koristiti samo obučene osoba. Ovaj rad predlaže pristup za otkrivanje bolesti listova na temelju karakterizacije svojstava teksture, oblika i boja. Otkrivanje bolesti koje se detektiraju uporabom ISRC tehnike. Najprije se primjenjuje GENABC klastering pristup na ulaznu sliku za segmentiranje pogođenog područja. Zatim se ekstrahiraju značajke sa zahvaćene površine pomoću tehnika ekstrakcije značajki. U ovom se radu koristi poboljšana transformirana enkodirana lokalna shema koja se koristi za izdvajanje značajki teksture, poboljšane značajke gradijenata (EGF) za izdvajanje oblika i poboljšane tehnike hektologije boja (ICH) za izdvajanje boje. Zatim se ove značajke daju ISRC klasifikatoru kako bi dobili točnu vrstu bolesti na zahvaćenom lišću. Za analizu izvedbe predložene metode koristimo četiri metrike. To su točnost klasifikacije, stopa pogrešaka, preciznost i vrijednost opoziva. Iz analize eksperimentalnih rezultata ISRC metoda daje bolji rezultat od postojećeg pristupa. | ||
| 520 | |a The objective of this paper to identify the diseases in the leaves of the all plants. Plant disease diagnosis helps to improve both the quality and quantity of crop productivity. In existing, to detect the diseases they used the spectroscopic techniques. These techniques are very expensive and can only be utilized by trained persons only. This work proposes an approach for the detection of leaf diseases based on the characterization of texture, shape and color properties. The detection of diseases which are detected using ISRC(improved sparse Representation Classifier) technique. First the GENABC clustering approach is applied to the input image to segment the affected area. Then extract the features from the affected area by using feature extraction techniques. In this paper Improved Transform Encoded Local Pattern used to extract the texture feature, Enhanced Gradient Feature (EGF) to extract the shape and Improved Color Histogram Techniques(ICH) are used to extract the color. And then these features are given to the ISRC classifier to get the exact type of disease on affected leaves. To analyze the performance of the proposed method we use four metrics. They are classification accuracy, error rate, precision value and recall value. From the analysis of experimental results, the ISRC method provides the best result than the existing approach. | ||
| 653 | 0 | |a Informacijske tehnologije |a Spektroskopske tehnike |a Biljne bolesti |a Otkrivanje bolesti |a Klasifikacija bolesti | |
| 700 | 1 | |a Murugan, Dhanushkodi |4 aut | |
| 773 | 0 | |t Informatologia (Online) |x 1848-7793 |g 51 (2018), 1/2 ; str. 1-12 |w nsk.(HR-ZaNSK)000829825 | |
| 981 | |b Be2018 |b B02/18 | ||
| 998 | |b dalo1910 | ||
| 856 | 4 | 0 | |u https://doi.org/10.32914/i.51.1-2.1 |
| 856 | 4 | 1 | |y Digitalna.nsk.hr |
| 856 | 4 | 0 | |u https://hrcak.srce.hr/203300 |y Hrčak |