文献

J-GLOBAL ID：202202243318799259   整理番号：22A0416916

GLCMアルゴリズムを用いたチリ葉病同定のための特徴選択【JST・京大機械翻訳】

Feature Selection for Chili Leaf Disease Identification Using GLCM Algorithm

著者 (2件)： Patil Asha (S.T.Co.Op., Edu Society Science Sr. College, Shahada, Maharashtra, India) ,  Lad Kalpesh (Shrimad Rajchandra Institutes of Management and Computer Application, UTU, Bardoli, India)
資料名： Smart Innovation, Systems and Technologies  (Smart Innovation, Systems and Technologies)
巻： 251  ページ： 359-365  発行年： 2022年 
JST資料番号： W5072A  ISSN： 2190-3018  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 農業において,葉病害の検出と診断は主要な関心事である。作物畑と病気の症状の同定は,農民にとって重要である。画像処理は,葉疾患の同定と分類の助けとなる。葉疾患同定のためには,3つの画像特徴,すなわち,テクスチャ,色,および形状がある。テクスチャ特徴はそれらの重要な要素である。特徴選択プロセスは,最良の精度と最小時間測定を得るために重要である。この分析に5つの病気があるチリの葉には2500のサンプルがあり,研究データセットに1000のサンプルが集められる。このジョブでは,GLCMアルゴリズムを用いて,2つの分類器がテクスチャ特徴を分析する。抽出したテクスチャ特徴と目標値をSVMとKNN分類器への入力として訓練中に与えた。テクスチャ特徴。コントラスト,エネルギー,相関,エントロピー,クラスタ_shade,クラスタ_provience,尖度,歪度をそれぞれ疾患同定に用いた。Cercosporaの葉スポット,チリモザイク,うどんこ病,葉カール,および5つの群の健康な葉としてラベル付けした。SVMは87.04%の精度を提供し,KNNはk倍法を用いて94.04%の精度を提供した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  エントロピー ,  コントラスト ,  時間測定 ,  農民 ,  農作物 ,  チリ共和国 ,  画像処理 ,  画像特性 ,  *特徴選択 ,  モザイク性 ,  クラスタ ,  Cercospora ,  うどんこ病
準シソーラス用語： テクスチャ特徴 , 【Automatic Indexing@JST】

著者キーワード (6件)： SVM ,  KNN ,  GLCM ,  K-フォールド ,  HIS ,  RG

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： GLCM ,  アルゴリズム ,  チリ ,  葉 ,  同定 ,  特徴選択