Dates Fruit Disease Recognition using Machine Learning

要約

サウジアラビア、モロッコ、チュニジアなどの多くの国は、ヤシの実の輸出国および消費者の上位に入っています。
デーツ果実の生産は、デーツ果実輸出国の経済に大きな役割を果たしています。
デーツの果実は他の果物と同様に病気にかかりやすいため、早期に発見して介入することで結果的に農作物を救うことができます。
しかし、広大な農地があるため、農家が病気の早期発見のためにナツメヤシの木を頻繁に観察することはほぼ不可能です。
さらに、人間が観察したとしても、このプロセスでは人的ミスが発生しやすく、デーツ果実のコストが高くなります。
コンピュータービジョン、機械学習、ドローン技術、その他のテクノロジーの最近の進歩により、
デーツ果実の病気を自動検出するための統合ソリューションを提案できます。
この論文では、ナツメヤシ果実の病気の早期検出と分類のために、L*a*b 色特徴、統計的特徴、および離散ウェーブレット変換 (DWT) テクスチャ特徴の抽出に基づいて、標準分類器を使用したハイブリッド特徴ベースの方法を提案します。
。
この作業のために、次のクラスに分類された 871 枚の画像で構成されるデータセットが開発されました。
健康な日、病気の初期段階、栄養失調の日、寄生虫に感染した日。
抽出された特徴は、ランダム フォレスト (RF)、多層パーセプトロン (MLP)、ナイーブ ベイズ (NB)、ファジー決定ツリー (FDT) などの一般的な分類器に入力されました。
L*a*b、統計、および DWT 機能を組み合わせた場合に、最高の平均精度が達成されました。

要約(オリジナル)

Many countries such as Saudi Arabia, Morocco and Tunisia are among the top exporters and consumers of palm date fruits. Date fruit production plays a major role in the economies of the date fruit exporting countries. Date fruits are susceptible to disease just like any fruit and early detection and intervention can end up saving the produce. However, with the vast farming lands, it is nearly impossible for farmers to observe date trees on a frequent basis for early disease detection. In addition, even with human observation the process is prone to human error and increases the date fruit cost. With the recent advances in computer vision, machine learning, drone technology, and other technologies; an integrated solution can be proposed for the automatic detection of date fruit disease. In this paper, a hybrid features based method with the standard classifiers is proposed based on the extraction of L*a*b color features, statistical features, and Discrete Wavelet Transform (DWT) texture features for the early detection and classification of date fruit disease. A dataset was developed for this work consisting of 871 images divided into the following classes; Healthy date, Initial stage of disease, Malnourished date, and Parasite infected. The extracted features were input to common classifiers such as the Random Forest (RF), Multilayer Perceptron (MLP), Na\’ive Bayes (NB), and Fuzzy Decision Trees (FDT). The highest average accuracy was achieved when combining the L*a*b, Statistical, and DWT Features.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google