کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6539183 | 1421095 | 2018 | 21 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
An automated detection and classification of citrus plant diseases using image processing techniques: A review
ترجمه فارسی عنوان
تشخیص خودکار و طبقه بندی بیماری های مرکبات با استفاده از تکنیک های پردازش تصویر: بررسی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
افزایش کنتراست، تقسیم بندی بیماری، استخراج بیماری، استخراج ویژگی، انتخاب ویژگی ها، طبقه بندی،
ترجمه چکیده
گیاهان مرکبات مانند لیمو، ماندارین، پرتقال، نارنگی، گریپ فروت و لیمو معمولا میوه های رشد می کنند در سراسر جهان. شرکت های تولید کننده مرکبات میزان زیادی از زباله ها را هر ساله تولید می کنند و هر سال 50 درصد از نخود مرکبات در اثر بیماری های مختلف گیاه از بین می رود. در این مقاله، بررسی روش های مختلف مربوط به شناسایی بیماری ها و طبقه بندی گیاهان مرکبات مطرح می شود. این مقاله یک طبقه بندی دقیق بیماری های برگ مرکبات را ارائه می دهد. در ابتدا، چالش های هر مرحله به طور دقیق مورد بحث قرار می گیرد، که بر دقت تشخیص و طبقه بندی تاثیر می گذارد. علاوه بر این، یک مرور کلی از روش های تشخیص خودکار بیماری و روش های طبقه بندی ارائه شده است. برای این منظور، ما پیش پردازش تصویر، تقسیم بندی، استخراج ویژگی ها، انتخاب ویژگی ها و روش های طبقه بندی را بررسی می کنیم. علاوه بر این، همچنین در مورد اهمیت استخراج ویژگی ها و روش های یادگیری عمیق صحبت می شود. این نظرسنجی، بحث مفصل در مورد مطالعات، نقاط قوت و ضعف خود را نقض می کند و مسائل مربوط به تحقیقات بیشتر را بازتاب می دهد. نتایج بررسی نشان می دهد که تصویب روش های تشخیص و طبقه بندی خودکار برای بیماری های مرکبات مرکبات هنوز در دوران کودکی خود است. از این رو برای به طور کامل خودکار فرایندهای تشخیص و طبقه بندی نیاز به ابزار جدید است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
The citrus plants such as lemons, mandarins, oranges, tangerines, grapefruits, and limes are commonly grown fruits all over the world. The citrus producing companies create a large amount of waste every year whereby 50% of citrus peel is destroyed every year due to different plant diseases. This paper presents a survey on the different methods relevant to citrus plants leaves diseases detection and the classification. The article presents a detailed taxonomy of citrus leaf diseases. Initially, the challenges of each step are discussed in detail, which affects the detection and classification accuracy. In addition, a thorough literature review of automated disease detection and classification methods is presented. To this end, we study different image preprocessing, segmentation, feature extraction, features selection, and classification methods. In addition, also discuss the importance of features extraction and deep learning methods. The survey presents the detailed discussion on studies, outlines their strengths and limitations, and uncovers further research issues. The survey results reveal that the adoption of automated detection and classification methods for citrus plants diseases is still in its infancy. Hence new tools are needed to fully automate the detection and classification processes.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers and Electronics in Agriculture - Volume 153, October 2018, Pages 12-32
Journal: Computers and Electronics in Agriculture - Volume 153, October 2018, Pages 12-32
نویسندگان
Zahid Iqbal, Muhammad Attique Khan, Muhammad Sharif, Jamal Hussain Shah, Muhammad Habib ur Rehman, Kashif Javed,