文献

J-GLOBAL ID：201702270478548832   整理番号：17A0117737

テクスチャ解析を用いた作物病期分類【Powered by NICT】

Crop disease classification using texture analysis

著者 (5件)： Pinto Loyce Selwyn (Dept. of Computer Science, Atria Institute of Technology, Bangalore, India) ,  Ray Argha (Dept. of Computer Science, Atria Institute of Technology, Bangalore, India) ,  Reddy M. Udhayeswar (Dept. of Computer Science, Atria Institute of Technology, Bangalore, India) ,  Perumal Pavithra (Dept. of ISE, Reva ITM, Bangalore, India) ,  Aishwarya P (Dept. of CSE, Atria Institute of Technology, Bangalore, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： RTEICT  ページ： 825-828  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 農業部門は,多数の産業だけでなく社会全体としてのバックボーンである,は高収率を与える高品質作物を成長させるための必要性が増大している。が起こり,それらの成長期間を通して作物をモニターすることが重要である。本論文では,画像処理は,それらの葉の画像に基づくヒマワリ作物病害を検出し,分類するために使用した。画像を高分解能ディジタルカメラと前処理後に採取した,k-平均クラスタリングを受ける葉の病変部を得た。これらを種々の機械学習アルゴリズムを,それらの色とテクスチャ特徴に基づいて分類した。種々の機械学習アルゴリズムの精度に基づく比較は,最大精度を達成するために,すなわち,K最近傍,マルチクラスサポートベクトルマシン,ナイーブBayesと多項ロジスティック回帰を行った。実装はMATLABを用いて行った。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 前処理 ,  基幹回線 ,  ヒマワリ ,  *農作物 ,  クラスタ化 ,  高分解能 ,  学習アルゴリズム ,  画像
準シソーラス用語： MATLAB ,  ロジスティック回帰分析 ,  テクスチャ特徴 ,  ディジタルカメラ ,  高品質 ,  *病期分類 ,  *テクスチャ解析 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： テクスチャ解析 ,  作物 ,  病期分類