[논문]잎사귀 영상처리기반 질병 감지 알고리즘

박정현; 이성근; 고진광

초록
AI-Helper

최근 IT 기술을 활용하여 농작물의 병충해 조기 진단에 관한 연구가 활발히 진행되고 있다. 본 논문은 카메라 센서를 통해 받아온 작물의 잎사귀 이미지를 분석하여 병충해를 조기에 감지할 수 있는 이미지 프로세싱 기법에 대해 논한다. 본 논문은 개선된 K 평균 클러스터링 방법을 활용하여 잎사귀 질병 감염 여부를 진단하는 알고리즘을 제안한다. 잎사귀 감염 분류 실험을 통해, 제안한 알고리즘이 정성적인 평가에서 더 좋은 성능을 나타낸 것으로 분석되었다.

Abstract ▼ AI-Helper

Many Studies have been actively conducted on the early diagnosis of the crop pest utilizing IT technology. The purpose of the paper is to discuss on the image processing method capable of detecting the crop leaf pest prematurely by analyzing the image of the leaf received from the camera sensor. Thi...

Many Studies have been actively conducted on the early diagnosis of the crop pest utilizing IT technology. The purpose of the paper is to discuss on the image processing method capable of detecting the crop leaf pest prematurely by analyzing the image of the leaf received from the camera sensor. This paper proposes an algorithm of diagnosing leaf infection by utilizing an improved K means clustering method. Leaf infection grouping test showed that the proposed algorithm illustrated a better performance in the qualitative evaluation.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

In addition, the feature point extraction, matching, and edge tracing steps were proposed as the individual classifying process. This paper proposed an initial stage of the crop leaf health diagnosis. The final determination algorithm needs to be implemented properly to meet the leaf detection.

제안 방법

It is the reason why it requires a lot of effort to find a pest in the early stage for large-scale farmers. In this paper, an algorithm was suggested for diagnosing the health of a leaf by utilizing RGB images obtained from image cameras in the monitoring environment. The improved K mean clustering showed better results than the traditional K means clustering in order to extract the leaves among number of objects within the image.
This method is not suitable because the stem or raw fruit can be detected with the leaf when they are green. K mean clustering was performed in this study in order to detect only the pure leaf. Typical K mean clustering divides the color cluster using R, G, and B values.
The proposed method converts it to HSV color space first, to analyze the H component and identify the color distribution of the image. The color distribution is aligned and the percentage is taken into account to set the value of K.
That is, it is possible to perform a plant observation by using the camera sensor, and to early determine the presence of the crop pest by the computer vision. This paper propose an improved image processing technique capable of detecting the leaf disease in the early stage by identifying the health condition of the plant via image of the leaves of the crop collected by the camera sensor. The improved K means clustering algorithm was specifically used to detect leaf disease.

참고문헌 (5)

Ali, S.A., N. Sulaiman, A. Mustapha, and N. Mustapha, "K-means clustering to improve the accuracy of decision tree response classification", Information Technology Journal, Vol.8, pp.1256-1262, 2009.

상세보기
Brendon, J.W., N.K. Kasaboy, and C.H. Wering, "Fruit Image Analysis using Wavelets", Proceedings of the ICONIP/ANZIIS/ANNES, 1999.
Pujari, J.D., R. Yakkundimath, and A.S. Byadgi, "Image Processing Based Detection of Fungal Diseases in Plants", Int. J. Advanced. Sci. Technology, Vol.52, No.3, pp.121-132, 2013.
Pujari, J.D., R. Yakkundimath, and A.S. Byadgi, "Statistical Methods for Quantitatively Detecting Fungal Disease from Friut's Images", Int. J. Intelligent sys. App. Engineering, Vol.1, No.4, pp.60-67, 2013.
Weizheng, S., W. Yachun, C. Zhanliang, and W. Hongda, "Grading Method of Leaf Spot Disease Based on Image Processing", Proceedings of the 2008 international Conference on Computer Science and Software Engineering, Vol.6, pp.491-494.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

잎사귀 영상처리기반 질병 감지 알고리즘
Disease Detection Algorithm Based on Image Processing of Crops Leaf 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

참고문헌 (5)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

잎사귀 영상처리기반 질병 감지 알고리즘 Disease Detection Algorithm Based on Image Processing of Crops Leaf 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

참고문헌 (5)

이 논문을 인용한 문헌

저자의 다른 논문 :

박정현 (2) 이성근 (40) 고진광 (26)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

잎사귀 영상처리기반 질병 감지 알고리즘
Disease Detection Algorithm Based on Image Processing of Crops Leaf 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper