view in publisher's site

Plant Diseases Detection and Classification using Machine Learning Models

In the agricultural sector, identification of plant diseases is extremely crucial as they hamper robustness and health of the plant which play a vital role in agricultural productivity. These problems are common in plants, if proper prevention methods are not taken it might seriously affect the cultivation. The current method of detecting disease is done by an expert's opinion and physical analysis, which is time-consuming and costly in the real world. Hence, computer-based detection has become a necessity. This paper comprises of an overview of image segmentation using K-means clustering and HSV dependent classification for recognizing infected part of the leaf and feature extraction using GLCM. The efficiency of the proposed methodology is able to detect and classify the plant diseases successfully with an accuracy of 98% when processed by Random Forest classifier.

شناسایی و طبقه‌بندی بیماری‌های گیاهی با استفاده از مدل‌های یادگیری ماشین

در بخش کشاورزی، شناسایی بیماری‌های گیاهی به شدت حیاتی است زیرا مقاومت و سلامت گیاه را مختل می‌کنند که نقش حیاتی در بهره‌وری کشاورزی ایفا می‌کنند. این مشکلات در گیاهان رایج هستند، اگر روش‌های جلوگیری درست برداشته نشود ممکن است به طور جدی کشت را تحت‌تاثیر قرار دهد. روش فعلی تشخیص بیماری‌ها با یک نظریه expert's و آنالیز فیزیکی انجام می‌شود که در دنیای واقعی وقت گیر و پر هزینه است. بنابراین تشخیص مبتنی بر کامپیوتر به یک ضرورت تبدیل شده‌است. این مقاله شامل مروری بر تقسیم‌بندی تصویر با استفاده از خوشه‌بندی K - means و طبقه‌بندی وابسته به HSV برای تشخیص قسمت آلوده برگ و استخراج ویژگی با استفاده از GLCM می‌باشد. کارایی روش پیشنهادی قادر به شناسایی و طبقه‌بندی بیماری‌های گیاهی با موفقیت ۹۸ % هنگام پردازش توسط طبقه‌بندی کننده جنگل تصادفی است.
ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.