文献

J-GLOBAL ID：201702240986526686   整理番号：17A0102673

画像処理技術に基づく4種のアルファルファ葉枯病の識別【JST・京大機械翻訳】

Recognition of four different alfalfa leaf diseases based on image processing technology

著者 (6件)： Qin Feng (College of Plant Protection,China Agricultural University) ,  Liu Dongxia (College of Agriculture and Forestry Science and Technology,Hebei North University) ,  Sun Bingda (Institute of Microbiology,Chinese Academy of Sciences) ,  Ruan Liu (College of Plant Protection,China Agricultural University) ,  Ma Zhanhong (College of Plant Protection,China Agricultural University) ,  Wang Haiguang (College of Plant Protection,China Agricultural University)
資料名： Zhongguo Nongye Daxue Xuebao  (Zhongguo Nongye Daxue Xuebao)
巻： 21  号： 10  ページ： 65-75  発行年： 2016年 
JST資料番号： C2277A  ISSN： 1007-4333  CODEN： ZNDXAA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 画像処理技術に基づき,4つのアルファルファの葉を識別した。K-値クラスタリングアルゴリズムと線形判別分析を結合したセグメンテーション法を用いて,画像セグメンテーションを行い,良好なセグメンテーション結果を得た。結果は以下を示す。この方法は,4つの病害画像データ集合から合成した画像データ集合の平均スコアと中央値がそれぞれ0.877と0.899であることを示した。再現率の平均値と中央値はそれぞれ0.829と0.851であった。精度の平均値と中央値はそれぞれ0.924と0.942であった。さらに,画像の色特徴,形状特徴およびテクスチャ特徴の合計129個を抽出し,NAIVE BAYES法と線形判別分析法を用いて病害の識別モデルを構築し,順序選択法により特徴選択を実現し,それぞれ最適な特徴サブセットを獲得した。同時に,これら2つの最適特徴サブセットを用いて,サポートベクトルマシン(SVM)に基づく病害認識モデルを確立した。各モデルの識別効果を比較し、構築した線形判別分析モデルの最適特徴部分集合を利用し、SVMによって構築した病害識別モデルの識別効果が最も良く、訓練セットの識別正確率は96.18%、テストセットの識別正確率は93.10%であることが分かった。このことから、本研究で構築した画像処理技術に基づく病害識別モデルは、上述の4種類のアルファルファ葉枯病の識別に用いられ、アルファルファの病害の診断と鑑別に一定の根拠を提供することができる。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 特徴選択 ,  *アルファルファ ,  セグメンテーション ,  部分集合 ,  中央値 ,  *葉枯病 ,  サポートベクトルマシン ,  *画像 ,  *画像処理
準シソーラス用語： テクスチャ特徴 ,  形状特徴 ,  色特徴 ,  画像セグメンテーション ,  線形判別分析 ,  クラスタリングアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (6件)： alfalfa ,  leaf disease ,  image recognition ,  image segmentation ,  feature optimization ,  support vector machine

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 画像処理 ,  アルファルファ ,  葉枯病 ,  識別