- Tytuł:
-
The application of computer image analysis based on textural features for the identification of barley kernels infected with fungi of the genus Fusarium
Zastosowanie komputerowej analizy obrazu opartej o cechy teksturalne do identyfikacji ziarniaków jęczmienia porażonych przez grzyby z rodzaju Fusarium - Autorzy:
- Ropelewska, E.
- Powiązania:
- https://bibliotekanauki.pl/articles/93918.pdf
- Data publikacji:
- 2018
- Wydawca:
- Polskie Towarzystwo Inżynierii Rolniczej
- Tematy:
-
barley kernels
fungal infections
textures
discriminative classifiers
ziarniaki jęczmienia
infekcja grzybowa
tekstura
klasyfikatory dyskryminujące - Opis:
-
The aim of this study was to develop discrimination models based on
textural features for the identification of barley kernels infected with
fungi of the genus Fusarium and healthy kernels. Infected barley
kernels with altered shape and discoloration and healthy barley kernels
were scanned. Textures were computed using MaZda software. The
kernels were classified as infected and healthy with the use of the
WEKA application. In the case of RGB, Lab and XYZ color models,
the classification accuracies based on 10 selected textures with the
highest discriminative power ranged from 95 to 100%. The lowest
result (95%) was noted in XYZ color model and Multi Class Classifier
for the textures selected using the Ranker method and the OneR
attribute evaluator. Selected classifiers were characterized by 100%
accuracy in the case of all color models and selection methods. The
highest number of 100% results was obtained for the Lab color model
with Naive Bayes, LDA, IBk, Multi Class Classifier and J48 classifiers
in the Best First selection method with the CFS subset evaluator.
Celem pracy było opracowanie modeli dyskryminacyjnych opartych o cechy teksturalne do identyfikacji ziarniaków jęczmienia porażonych przez grzyby z rodzaju Fusarium oraz ziarniaków zdrowych. Porażone ziarniaki jęczmienia o zmienionym kształcie i z przebarwieniami oraz zdrowe ziarniaki jęczmienia zostały zeskanowane. Tekstury zostały obliczone przy użyciu programu MaZda. Ziarniaki były klasyfikowane jako porażone i zdrowe z wykorzystaniem oprogramowania WEKA. W przypadku modeli barwnych RGB, Lab i XYZ, dokładność klasyfikacji w oparciu o 10 wyselekcjonowanych tekstur o największej mocy dyskryminacyjnej zawierała się w przedziale od 95 do 100%. Najmniejszy wynik (95%) odnotowano dla modelu barwnego XYZ i Multi Class Classifier dla tekstur wyselekcjonowanych za pomocą metody Ranker i ewaluatora atrybutów OneR. Wybrane klasyfikatory charakteryzowały się dokładnością 100% w przypadku wszystkich modeli barwnych i metod selekcji. Najwięcej wyników 100% uzyskano dla modelu barwnego Lab dla klasyfikatorów: Naive Bayes, LDA, IBk, Multi Class Classifier i J48 dla metody selekcji Best First z ewaluatorem CFS. - Źródło:
-
Agricultural Engineering; 2018, 22, 3; 49-56
2083-1587 - Pojawia się w:
- Agricultural Engineering
- Dostawca treści:
- Biblioteka Nauki
Artykuł