基于图像处理技术与机器学习算法的萝卜萎蔫自动检测
计算机视觉与模式识别
2020-09-02 v1
摘要
图像处理、计算机视觉与模式识别在多种农业应用中发挥着至关重要的作用，例如物种检测、识别、分类、鉴定、植物生长阶段、植物病害检测等。另一方面，对使用无人机 (UAV) 捕获高分辨率图像以及开发更优算法以获得高度准确且精准结果的需求日益增长。在本文中，我们提出一种基于分割与提取的技术来检测萝卜作物中的枯萎病（fusarium wilt）。近期的萎蔫检测算法要么基于图像处理技术，要么基于传统机器学习算法。然而，我们的方法基于一种混合算法，结合了图像处理与机器学习。首先，作物图像被划分为三个片段，包括健康植被、地面与包装材料。基于 HSV 决策树算法，这三个片段从图像中分离出来。其次，提取的片段被汇总到与图像同分辨率的空白画布中，生成一幅新图像。第三，将该新图像与原始图像比较，提取出包含萎蔫痕迹的最终含噪图像。最后，应用 k-means 算法消除噪声并从中提取准确的萎蔫区域。此外，使用轮廓法将提取的萎蔫区域映射回原始图像。所提出的算法组合恰当地检测出了萎蔫，超越了单独使用图像处理技术或机器学习的传统做法。
引用
@article{arxiv.2009.00173,
title = {Automatic Radish Wilt Detection Using Image Processing Based Techniques and Machine Learning Algorithm},
author = {Asif Ashraf Patankar and Hyeonjoon Moon},
journal= {arXiv preprint arXiv:2009.00173},
year = {2020}
}