Plant products have been a major source of food for animals, raw materials for industry and source of revenues to governments. In view of this, careful attention is needed for quality and quantity of plant products. Biotic and abiotic factors contribute immensely in hampering agricultural produce. In this research, computer vision techniques such as texture-based algorithms namely Histogram of Oriented Gradients (HOG), Local Binary Patterns (LBP) and Binarized Statistical Image Features (BSIF) are employed in plant disease identification and classification. Nine different popular plant species are used with symptoms on leaf images to extract features to develop a novel system. We propose an approach that employs Decision-Level Fusion which is used to incorporate different algorithms’ strengths for a robust and more accurate system. The proposed method is also compared with Scale Invariant Feature Transform (SIFT) and its derivatives such as Dense Scale Invariant Feature Transform (DSIFT) and Pyramid Histogram of Visual Words (PHOW). The experiments are conducted on PlantVillage database that includes healthy and infected plant leaf images of tomato, apple, cherry, corn, grape, peach, pepper, potato and strawberry plants. Consequently, the diverse nature of the database and the high accuracy of the proposed system show that Decision-Level Fusion of texture-based features extracted from plant leaves are good in detecting and classifying plant diseases.
Keywords: Plant disease identification, Computer vision, Texture-based features, Decision-Level Fusion
ÖZ:
Bitkisel ürünler, hayvanlar için başlıca besin kaynağı, sanayi için hammedde ve devletler için gelir kaynağıdır. Bu yüzden bitkisel ürünlerin niteliği ve niceliğiyle ilgili özen gösterilmesi gerekir. Biyotik (canlı) ve abiyotik (cansız) faktörler, tarımsal ürünlerin bozulmasına büyük ölçüde sebep olurlar. Bu çalışmada, Yerel İkili Örüntü (LBP), Gradientlere Yönelik Histogramlar (HOG) ve İkili İstatistiksel Görüntü Öznitelikleri (BSIF) gibi bilgisayarla görü yöntemlerinden dokuya-bağlı algoritmalar, bitki hastalıklarının tanımlandırılması ve sınıflandırılmasında kullanılmıştır. Yaprak resimlerinin üzerinde hastalık semptomları olan sekiz değişik ve popüler bitki türünün özniteliklerini kullanarak yeni bir yaklaşım geliştirilmiştir. Karar-Seviyesi Kaynaşımını kullanan önerilen yaklaşım, farklı algoritmaların gücünü birleştirerek daha kuvvetli bir sistem yaratmıştır. Önerilen yaklaşım, Ölçeklemeden Bağımsız Öznitelik Dönüşümü (SIFT) ve türevlerinden olan Yoğun Ölçeklemeden Bağımsız Öznitelik Dönüşümü (DSIFT) ve Görsel Kelimelerin Piramit Histogramları (PHOW) yöntemleriyle de karşılaştırılmıştır. Deneyler; domates, elma, kiraz, mısır, asma, şeftali, biber, patates ve çilek bitkilerinin sağlıklı ve hastalıklı yaprak görüntülerini içeren PlantVillage veritabanı üzerinde yapılmıştır. Sonuç olarak, veritabanının doğal çeşitliliği ve önerilen yöntemin yüksek performansı, bitki hastalıklarının saptanması ve sınıflandırılmasında bitki yapraklarından çıkarılan dokuya-bağlı özniteliklerin Karar-Seviyesi Kaynaşımı ile birleştirilmesinin iyi sonuç verdiğini göstermiştir.
Anahtar Kelimeler: Bitki hastalıklarının tanımlanması, Bigisayarla görü, Dokuya-bağlı yöntemler, Karar-Seviyesi Kaynaşımı.
