关于精准农业:基于新集成分类方法的水果病害自动识别和分类


发布时间:

2023-05-02

来源:

植物表型资讯

作者:

PhenoTrait

水果是全球范围内最富营养的经济作物。由于水果的种类、大小、形状、颜色和纹理各不相同,对大量水果进行人工分类和病害识别需耗费大量人力资源,且效率较低。本研究提出了一种水果分类和病害识别的多尺度融合方法,包括果实密集影像预处理、基于目前最先进深度学习方法的定制化影像特征提取核函数、基于基尼指数的特征选择以及用于水果分类和病害识别的混合集成方法。我们注意到,现有方法在利用单源数据识别果实病害时存在某些局限,尤其是当数据量有限时,水果种类、质量和病害类型均会对病害识别结果产生较大影响。因此,本研究通过对多源水果影像数据进行聚合和预处理以扩大样本量,并验证集成分类方法在水果分类和病害识别中的应用效果。多源水果影像数据包含不同种类水果的常规影像和增强影像,水果种类有苹果、杏子、鳄梨、香蕉、樱桃、无花果、葡萄、番石榴、猕猴桃、芒果、橙子、桃子、梨、菠萝和草莓。同时,本研究还涉及腐烂水果的常规影像和增强影像,具体为豆子(两类),草莓(七类),西红柿(三类)。为了保持一致性,我们对图像进行了归一化处理,并在现有图像聚类的基础上设计了一种自动标记机制,将不一致的数据标记为适当的类别。最后,我们验证了自动标记结果,以确保数据被标记为正确的类别。实验结果显示,本研究提出的集成分类器优于其他分类方法,水果分类和病害识别的准确率可以达到100%和99%,方差分析显示分类结果处于0.05的置信水平,且F值分别为32.41和11.42,均高于临界值,因此水果分类和病害识别的p值小于0.05,结果可接受。

 

图1 本研究的技术流程图

 

图2 不同方法的水果分类结果对比

 

图3 不同方法的病害识别结果对比

 

图4 特征选择的评价指标

 

图5 特征的散点图分析

 

图6 水果分类的精度和误差

 

图片图7 病害识别的精度和误差

 
 
来 源
Abid Mehmood, Muneer Ahmad and Qazi Mudassar Ilyas. On Precision Agriculture: Enhanced Automated Fruit Disease Identification and Classification Using a New Ensemble Classification Method. Agriculture, 2023, 13:500. https://doi.org/10.3390/agriculture13020500
 

编辑

段博
 

扩展阅读

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。