Design a machine vision system to identify several different types of leaves

Sabzi, Sajad and Abbaspour-Gilandeh, Yousef (2017) Design a machine vision system to identify several different types of leaves. In: 1st International and 5th National Conference on Organic vs. Conventional Agriculture, 16-17 August 2017, Ardabil, Iran.

[img] Text
C-00037-AC-2.pdf

Download (803kB)
Official URL: http://www.uma.ac.ir

Abstract

Plants and trees leaf images automatic segmentation, recognition and classification based on computer vision systems could be considered first step in machine-based operations in the field of precision agriculture. In this study, five types of leaf related to different trees were considered to classify. These five types of trees are oak, rose, elm, ash and olive. 533 images were taken of the leaves. 206 features in fields color features and texture features based on grey level co-occurrence matrices were extracted. Using hybrid artificial neural network–simulated annealing (ANN–SA), five effective features were selected among these features. These effective features are Information measure of correlation related to 135 degree, Diagonal moment related to 90 degree, Additional first component in HIS color space, the index of the first and the second components of HSV color space and color index for extracted vegetation cover in CMY color space. After selecting effective features hybrid artificial neural network - ant colony optimization (ANN–ACO) classifier was used to classification these five types of leaves. In final, results show that this classifier performed classification with correct classification rate 98.4 %.

Item Type: Conference or Workshop Item (Poster)
Persian Title: طراحی یک سیستم ماشین بینایی جهت شناسایی چندین نوع مختلف از برگ‌ها
Persian Abstract: قطعه‌بندی، تشخیص و طبقه‌بندی تصاویر برگ درختان و گیاهان براساس سیستم‌های بینایی کامپیوتر می‌تواند به‌عنوان اولین گام در عملیات‌های مبتنی‌بر ماشین در حوزه کشاورزی دقیق در نظر گرفته شود. در این مطالعه پنج نوع از برگ درختان مختلف به‌منظور طبقه‌بندی در نظر گرفته شدند. این پنج نوع درخت عبارتند از بلوط، گل محمدی، نارون وحشی، زبان گنجشک و زیتون. از این برگ‌ها 533 عکس در شرایط کنترل شده تهیه گردید. از این تصاویر 206 خصوصیت در دو حوزه خصوصیات رنگی و خصوصیات ماتریس هم‌وقوعی سطح خاکستری استخراج شدند. با استفاده از روش هیبرید شبکه عصبی مصنوعی – الگوریتم شبیه‌سازی تبرید پنج خصوصیت مؤثر از میان این خصوصیات استخراج شدند. این خصوصیات مؤثر عبارتند از اطلاعات اندازه همبستگی مربوط‌به زاویه همسایگی 135 درجه، مومنت قطری مربوط‌به زاویه همسایگی 90 درجه، اولین مؤلفه اضافی در فضای رنگی HSI، شاخص اولین و دومین مؤلفه فضای رنگی HSV، شاخص رنگی برای پوشش گیاهی در فضای رنگی CMY. بعد از انتخاب خصوصیات مؤثر، طبقه‌بند هیبرید شبکه عصبی مصنوعی – الگوریتم کلونی مورچگان جهت طبقه‌بندی این پنج نوع برگ استفاده شد. در نهایت نتایج نشان داد که این طبقه‌بند با نرخ طبقه‌بندی صحیح 40/98 درصد طبقه‌بندی را انجام داد.
Subjects: Divisions > Conferences > 1st International and 5th National Conference on Organic vs. Conventional Agriculture, 16-17 August 2017
Conferences > 1st International and 5th National Conference on Organic vs. Conventional Agriculture, 16-17 August 2017
Divisions: Conferences > 1st International and 5th National Conference on Organic vs. Conventional Agriculture, 16-17 August 2017
Subjects > Conferences > 1st International and 5th National Conference on Organic vs. Conventional Agriculture, 16-17 August 2017
Date Deposited: 25 Nov 2018 12:24
Last Modified: 11 Dec 2018 22:56
URI: http://repository.uma.ac.ir/id/eprint/3587

Actions (login required)

View Item View Item