<Р> Мотивация:
Экономический статус во многом зависит от количества и качества продукции растениеводства. Установив политику выявления заболеваний, можно повысить скорость производства. Методы в предыдущих статьях критически рассмотрены и обсуждены.
Предложение по исследованию:
<Р> Введение:
Инфекции растений могут вызвать критическую регрессию сельскохозяйственных культур и мгновенное низкое качество продукции сельского хозяйства [1], что в свою очередь влияет на экономику и жизнь людей. Оценка степени заболеваемости растений является основополагающей при изучении контроля над болезнями, оценки несчастных случаев, защиты от инфекций и размножения, а также в качестве механизма получения заболеваний [1-7]. Несмотря на то, что существует современный воспринимаемый стандарт сравнения для обзора болезни пятнистости листьев [4-7]. Техника восприятия открытого глаза большей частью получена в поколении хон. Ввиду различия индивидуальной информации и практического участия подобные специалисты приводятся в различных оценках различными специалистами. Соответственно, результат обычно субъективен, и трудно точно измерить степень заболевания. Несмотря на то, что техника сетевой бумаги может быть использована для повышения точности, она лишь изредка используется как часть обучения из-за неуклюжего и утомительного процесса. Таким образом, поиск быстрой и точной техники для оценки серьезности болезни растений имеет удивительную значительную ценность. С конца 1970-х годов инновации в подготовке изображений для ПК связаны с исследованиями в аграрном строительстве, например, с исследованием и характеристикой качества сельскохозяйственной продукции, наблюдением за состоянием разработки продукта, выявлением болезней растений и жутких жуков, а также другими роботами-садоводами [8-9 ]. Благодаря быстрому совершенствованию компьютерного оборудования и инноваций в программировании использование картинок для подготовки инноваций в садоводческих исследованиях значительно продвинулось.
Обзор литературы:
Хребет экономики – это агробизнес в большей части стран, которые создают, особенно в Индии. Количество и качество урожая зависит от развития завода. Таким образом, распознавание болезни листьев растений является исключительно базовым на предшествующей стадии и делает существенные шаги, препятствующие его распространению на другие части поля. Как правило, агроном распознает болезнь, наблюдая за затенением и состоянием взлетов. Эта стратегия требует длительного понимания времени и множества традиционных начинаний. Это для всех намерений и целей нереально для существенных областей. Различные заболевания, возникающие в разных частях растения, можно распознать, наблюдая за корректировкой показаний, пятен, затенения и так далее. Менее утомительной и запрограммированной процедурой поиска является значительная необходимость в садоводстве, чтобы продвинуться вперед скорость получения урожая. В последнее время подходы к работе с изображениями использовались для того, чтобы позаботиться об отличительных проблемах, поскольку приложения для садоводства используют шанс распознать лист, стебель и органический продукт, подверженный заболеваниям [10-11]. Оценка и выявление серьезности листовой болезни с использованием подготовки изображения была объявлена различными специалистами [12-15].
В этом документе представлен всеобъемлющий аудит структуры локализации заражения листьев с использованием стратегий обработки изображений. Основные предприятия, чтобы выполнить системы подготовки изображения, чтобы отличить болезни листа. Диаграмма последних использованных процедур подготовки изображения изображена. Управляет экзаменами по различным методологиям.
Предлагаемая методология исследования:
В этом исследовании для обработки изображения необходимо выполнить несколько шагов, описанных в соответствии с последовательностью
Получение изображений:
В этом исследовании рассматривается заражение соевых пятен темными листьями в качестве примера для определения стратегии пересмотра степени заражения растений. Загрязненные листья устанавливаются на уровне белого основания. Оптический концентратор компьютеризированной камеры расположен напротив плоскости листа для съемки изображений, которые иногда сохраняются на ПК. [16]
Сегментация изображения:
Разделение изображений – это не просто фундаментальная инновация в подготовке изображений и пророческом зрении, но, кроме того, обязательный сегмент исследования изображений и визуальной системы [17]. Разделение рисунков заключается в выделении разнообразных областей, имеющих необычайное значение на снимке. Эти области не сходятся друг с другом, и каждый район должен соответствовать условиям согласованности в определенных регионах [18]. В этом размышлении актуализируется разделение на два аванса, чтобы получить листья и области травмы.
Конечная сегментация листьев:
Чтобы уменьшить расчеты путем получения картины местности и листьев и сужения мест интриги, фундамент следует исключить сразу же. Темная измеримая гистограмма по существу проявляет бимодальные качества.
Сегментация поражения:
Точное деление на больной язык определяет успех или разочарование анализа. Сопутствующие перспективы влияют на процесс испытания:
1) Изменение освещенности. В свете этого исследования изображение можно собирать отдельно или вживую, и очень трудно контролировать свет в течение времени, проведенного накоплением дикой жизни, обычно получают обычный свет. Вдоль этих линий качество изображения зависит от изменений освещения.
2) Влияние вен. Затенение вен обычно меньше, чем затенение листьев, и в начальные периоды болезни зеленое затенение регулярно размывается. Следовательно, на протяжении всего болезненного деления чудеса вне базового деления регулярно существуют.
3) Характеристики нестабильного поражения сравнивают с районом листьев с обесцениванием темноты. Из-за неравномерного освещения при съемке изображений в поле между фоновой областью и ее сравниваемым волновым пиком есть несколько частей. В то время как темный стимул среди листьев и основания колеблется необычно (отдельно между гребнем волны> 100), разделение по пределу не затрагивается. Оцу используется для сечения изображений [19-20], который является в общем случае запрограммированным методом предельного выбора, предложенным японским исследователем Да Цзинь. Оцу получен по малейшему стандарту двойного увеличения, основной идеей которого является то, что если изображение обрамлено протестом и основанием с различными тусклыми качествами, то получают некоторое смутное уважение как край, чтобы разделить изображение на две группы – объект и основание и установить изменение между двумя собраниями. В тот момент, когда достигается самое большое изменение, эта слабая оценка используется как преимущество для разделения изображения. После разделения изображения парное изображение, содержащее локализацию листа, получают путем заполнения области и исключения пробелов в белой локали. После фильтрации изображения насквозь и слева направо.
В различных фазах болезни, под воздействием света, воды, средств к существованию и так далее, травма демонстрирует различные признаки, что приводит к проблемам в отделении. Ввиду вышеупомянутых компонентов картина изменяется с пространства затенения RGB на пространство затенения HSI [21], что более приемлемо для визуальных качеств людей. Так как сегмент блеска свободен от затенения, кроме того, зрение людей более чувствительно к оттенку, контрастирующему с погружением, сегмент затенения может учитывать стирание бликов, теней и других световых факторов на фоне деления затенения изображения. Более того, сопоставимая тусклая оценка мелкой заштрихованной вены и листа в заштрихующей части может в огромной степени уменьшить закупорку вены при последующем делении болезненной картины. Несмотря на то, что атрибуты травмы смещены, границы между раной и твердой частью четкие и затенение травмы меняется в большинстве случаев. Следовательно, сравниваемые изменения яркости будут настолько сенсационными, что администратор обнаружения краев сможет их распознать. В то же время администратор склона может распознать более тусклое рассеяние края листа на пересечении режущей кромки листа и основания. Листовая зона распадается, чтобы ограничить территорию интриги, используя обходной компонент структуры в пределах трех. Для увеличения параллельной картины после потребления на Н часть можно выполнить объективную картину с темным основанием. администратор и использование свертки сегмента H, чтобы получить изображение наклона. Администратор Собеля с типом вектора может быть разделен на две сопутствующие модели Собеля [22].
Выбран разумный предел изображения в два угла. Из рисунка видно, что край травмы можно распознать очень сильно. Поскольку край закрыт, языковой стандарт может быть заполнен для получения встроенного изображения травмы. Можно предположить, что хотя можно различить несколько вен, ими можно управлять как суетой, так как они разбросаны, а их единичная зона немного отличается от случая травмы. Чтобы выбрать подходящие компоненты круглой структуры, чтобы разблокировать, чтобы получить последнюю парную картину болячки.
Мужчины очень долго правили в индустрии фитнеса. Не удивительно, что женщины в равной конкуренции соревнуются с мужчинами в индустрии фитнеса. Они также ищут идеальное тело,
Генитальный туберкулез – причина бесплодия среди женщин Вполне вероятно, что у каждого из нас был член семьи или знакомый, пострадавший от туберкулеза. Туберкулез является серьезной
Есть несколько разных циклов, вокруг которых вращается Земля. Некоторые из циклов были затронуты катастрофой Фукусима-Дайхатсу. Завод в Фукусиме пострадал от землетрясения силой 9,0 балла. Растения,