$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

토마토 잎사귀 질병 감지를 위한 이미지 처리 메커니즘
An Image Processing Mechanism for Disease Detection in Tomato Leaf 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.14 no.5, 2019년, pp.959 - 968  

박정현 ((주)브이엠소프트) ,  이성근 (순천대학교 멀티미디어공학과)

초록
AI-Helper 아이콘AI-Helper

농업 분야에서 여러 가지 센서들과 임베디드 시스템을 활용하여 한 무선 센서 네트워크 기술이 적용되고 있는 추세이다. 특히, 센서 네트워크를 활용하여 작물의 질병을 조기에 진단할 수 있는 많은 연구가 진행되고 있다. 기존 병충해 진단 연구들은 실제 농가에 적용하기 어려운 부분이 존재한다. 본 논문은 이를 개선하고자 하였으며, 화상카메라를 통해 받아온 작물의 잎사귀 이미지를 분석하여 병충해를 초기에 감지 가능한 알고리즘을 제안한다. 실제 시설원예 및 노지 환경 농가의 캡쳐한 이미지 내에서 감염 의심 영역을 개선된 K 평균 클러스터링 기법을 통해 분류하였다. 그 후 엣지 검출, 엣지 추적 기법을 활용하여 해당 영역의 잎사귀 내부 존재 여부를 확인하였다. 인근 농가에서 촬영한 토마토 잎사귀 이미지를 이용하여 성능 평가를 수행하였다. 기존 논문의 방법 보다 제안 알고리즘의 감영 영역 분류 능력이 우수한 것으로 나타났다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In the agricultural industry, wireless sensor network technology has being applied by utilizing various sensors and embedded systems. In particular, a lot of researches are being conducted to diagnose diseases of crops early by using sensor network. There are some difficulties on traditional researc...

주제어

#토마토 질병 감지   #잎사귀 질병   #K 평균 클러스터링   #이미지 처리  

표/그림 (7)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • In spite of this, manual observation and investigation to the crops across the huge size of area is hardly possible because it requires massive time and efforts. In this paper, we conducted an early-stage study on crop leaf disease diagnosis system using leaf image sent by camera sensor widely deployed in sensor network environment. We used an enhanced k-means clustering method to detect the infected area, and an edge detecting and tracking method to determine if the pixel is residing in inside of leaf or not.
  • This paper aims at providing more convenient and efficient agricultural environment by combining IT to agriculture. One of the biggest challenges in cropping is disease and insect pests.

가설 설정

  • In this paper, we study an algorithm that can apply to both outdoor environment and horticulture facility and complement weak point that clustering is negatively affected by light. Once the scene is exposed to light, R, G, B values of the scene image get increased all together.
본문요약 정보가 도움이 되었나요?

참고문헌 (11)

  1. J. Park, S. Lee, and W. Oh, "Congestion control mechanism for efficient network environment in WMSN," J. of the Korea Institute of Electronic Communication Sciences, vol. 10, no. 2, Feb. 2015, pp. 289-295. 

    원문보기 상세보기 crossref

  2. Y. Choi and S. Joung, "A Design and Implementation of Mobile based Smart Green House System," J. of the Korea Institute of Electronic Communication Sciences, vol. 9, no. 4, Apr. 2014, pp. 475-482. 

    원문보기 상세보기 crossref

  3. S. Sankaran, A. Mishra, and C. Davis, "A review of advanced techniques for detecting plant diseases," Computers and Electronics in Agriculture, vol. 72, no. 1, Feb. 2010, pp. 1-13. 

    상세보기 crossref

  4. A. Camargo and J. S. Smith, "An image processing based algorithm to automatically identify plant disease visual symptoms," Biosystems Engineering, vol. 102, no. 1, Jan. 2009, pp. 9-21. 

    상세보기 crossref

  5. J. D. Pujari, R. Yakkundimath, and A. S. Byadgi, "Image Processing Based Detection of Fungal Diseases in Plants," Procedia Computer Science, vol. 46, no. 4, Aug. 2015, pp. 1802-1808. 

    상세보기 crossref

  6. A. N. Rathod, B. Tanawal, and V. Shah, "Image Processing Techniques for Detection of Leaf Disease," International J. of Advanced Research in Computer Science and Software Engineering, vol. 3, no. 11, Nov. 2013, pp. 397 -399. 

  7. S. Weizheng, W. Yachun, C. Zhanliang, and W. Hongda, "Grading method of leaf spot disease based on image," In Proc. Computer Science and Software Engineering, Wuhan, Hubei, China, 2008, pp. 491-494. 

  8. J. D. Pujari, R. S. Yakkundimath, and A. S. Byadgi, "Statistical methods for quantitatively detecting fungal disease from fruits' images," International J. of Intelligent Systems and Applications in Engineering, vol. 1, no. 4, Aug. 2013, pp. 60-67. 

  9. B. J. Woodford, N. K. Kasabov, and C. H. Wearing, "Fruit image analysis using wavelets," In Proc. the Iconip/Anziis/Annes, Perth, Austrakia, 1999. pp. 88-91. 

  10. S. A. Ali, N. Sulaiman, A. Mustapha, A and N. Mustapha, "K-Means Clustering to Improve the Accuracy of Decision Tree Response Classification," Information technology journal, vol. 8, no, 8, Aug. 2009, pp. 182-191. 

  11. S. Lee, "Comparison of Initial Seeds Methods for K-Means Clustering," J. of Internet Computing and Services, vol. 13, no. 6, June 2012, pp. 1-8. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로