Deep Learning-Based Approach for Identification of Potato Leaf Diseases Using Wrapper Feature Selection and Feature Concatenation

要約

ジャガイモは、世界の多くの地域で広く栽培されている作物です。
ここ数十年で、ジャガイモの農業は世界で信じられないほどの牽引力を獲得しています。
ジャガイモは、発達を阻害するいくつかの病気の影響を受けやすいです。
この植物は重大な葉の病気を持っているようです。
初期の枯病と後期枯れは、ジャガイモ植物に影響を与える2つの一般的な葉疾患です。
これらの病気の早期発見は、この作物の収量を高めるのに有益です。
理想的な解決策は、画像処理を使用してこれらの障害を識別および分析することです。
ここでは、画像処理と機械学習に基づいて自律的な方法を提示して、ジャガイモの葉に影響を与える後期枯れ病を検出します。
提案された方法は、4つの異なるフェーズで構成されています。（1）入力画像の品質を改善するためにヒストグラムの均等化が使用されます。
（2）機能抽出は、ディープCNNモデルを使用して実行され、これらの抽出された特徴は連結されます。
（3）機能選択は、ラッパーベースの機能選択を使用して実行されます。
（4）分類は、SVM分類器とそのバリアントを使用して実行されます。
この提案された方法は、550の機能を選択することにより、SVMを使用して99％の最高の精度を達成します。

要約(オリジナル)

The potato is a widely grown crop in many regions of the world. In recent decades, potato farming has gained incredible traction in the world. Potatoes are susceptible to several illnesses that stunt their development. This plant seems to have significant leaf disease. Early Blight and Late Blight are two prevalent leaf diseases that affect potato plants. The early detection of these diseases would be beneficial for enhancing the yield of this crop. The ideal solution is to use image processing to identify and analyze these disorders. Here, we present an autonomous method based on image processing and machine learning to detect late blight disease affecting potato leaves. The proposed method comprises four different phases: (1) Histogram Equalization is used to improve the quality of the input image; (2) feature extraction is performed using a Deep CNN model, then these extracted features are concatenated; (3) feature selection is performed using wrapper-based feature selection; (4) classification is performed using an SVM classifier and its variants. This proposed method achieves the highest accuracy of 99% using SVM by selecting 550 features.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google