Россия является сельскохозяйственной страной, где около семидесяти процентов населения зависит от урожайности сельскохозяйственных культур и растений. Фермеры имеют широкий спектр разнообразия для выбора подходящих фруктовых и овощных культур. Однако в связи с ростом типов заболеваний растений и сельскохозяйственных культур, риск качества и роста сельскохозяйственных культур также возрастает.
Болезни являются естественным фактором, который может оказать серьезное воздействие на растения, что в конечном итоге приводит к снижению продуктивности, качества и количества продукции.
- Выявление болезней растений вручную лишь увеличивает усилия человека, поскольку нелегко проверить каждое растение в отдельности.
Также ручное обнаружение не является подходящим методом. Однако выращивание этих культур для получения оптимальной урожайности и получения качественного продукта является высокотехнологичным. Её можно улучшить с помощью технической поддержки.
Для оценки тяжести болезней растений необходимо разработать передовые, быстрые и точные технологии выявления болезней, основной частью которых является изучение болезней растений. Точное выявление и классификация болезней листьев является ключом к предотвращению сельскохозяйственных потерь.
Различные листья растений страдают различными заболеваниями. Учёные исследовали методы и классификаторы, для выявления заболеваний листьев растений. Они проводили анализ по выявлению заболеваний листьев растений с использованием метода обработки изображений.
Основными этапами обработки изображений являются получение изображений, предварительная обработка, повышение контрастности изображения, сегментация изображения, выделение признаков, выявление и классификация заболеваний листьев.
- Приобретение изображений. Сбор изображений включает в себя этапы получения растительного листа и захвата высококачественных изображений для создания необходимой базы данных. Эффективность концепции зависит от качества изображения базы данных. Таким образом, изображения следует рассматривать как высококачественные с цветом RGB.
- Предварительная обработка изображений. Предварительная обработка изображения включает в себя этапы повышения контрастности изображения. Здесь захваченное изображение усиливается для удаления шумов с изображения, а затем цветное изображение RGB преобразуется в изображение плоскости HSV.
- Сегментация изображения. Сегментация изображения применяется для упрощения иллюстрации изображения сегментами таким образом, чтобы его можно было легко проанализировать. Сегментация изображения проводится для сегментации пораженных и незатронутых участков листа.
- Извлечение признаков. После сегментации часть изображения, относящаяся к заболеванию, извлекается из него. Эта область заболеваний листьев рассматривается как область интереса для обработки изображений. Затем, на основании симптомов заболевания, которые используются для определения типов заболевания, выделяются и другие признаки.
- Обнаружение и классификация листовых заболеваний. Затем используются классификаторы для обучения и тестирования набора данных. Эти классификаторы могут быть нечеткими на основе логики, ближайшими соседями, машинами с вектором поддержки, нейронными сетями и т.д.
Эти методы используются для классификации и выявления заболевших и здоровых листьев. Основной процесс обработки изображений, используемый для анализа заболеваний листьев растений.
Методы термографии зависят от биомассы плодов или болезни. Этот метод относится к идентификации и классификации между фруктами и кустарниками и деревьями. Лазерные датчики используются для распознавания фруктов.