Abstract
Son yıllarda bitki büyüme ve sağlığının değerlendirilmesi için görüntü analiz sistemleri yoğun olarak kullanılmaktadır. Bu çalışma bitki büyüme ve sağlığının değerlendirilmesi için kullanılan görüntü analiz sistemlerindeki son gelişmeleri değerlendirmektedir. Ayrıca, bu yayında bitki hastalıklarının tespiti, zararlı tespiti ve tanımlaması, infrared termografi, infrared fotografi, bitki ve bitki kısımlarının tanımlanması, bitkilerin ayırt edilmesi, robotik hasat, verim tahmini ve görüntü analiz sistemleri ile meyvelerin olgunluk tespiti değerlendiririlmiştir. Daha spesifik olarak, bitki fotoğrafı içindeki objenin (meyvenin) tespit edilmesi için boyut, şekil ve renk gibi meyveye ait özellik parametreleri kullanılmış ve görüntü işleme ile bitkinin büyüme ve sağlığı değerlendirilmiştir. Daha sonra, bitki büyüme ve sağlığını değerlendirmek için kullanılan görüntü analiz sistemlerinin avantajları ortaya konmuştur. Buna ek olarak bitki büyüme ve sağlığını değerlendirmek için kullanılan görüntü analiz sistemlerinin uygulanabilirliğini kolaylaştırmak amacıyla tekrar çözümlenmesi gereken bazı noktalar tartışılmıştır. Giriş bölümünün sonunda ise referanslar ile birlikte, görüntü analizi ile işlenebilen bitki parametreleri ve bitkilere ait bilgileri elde etmede kullanılan görüntü işleme tekniklerini içeren özet tablo sunulmuştur.
References
- Aitkenhead MJ, Dalgetty IA, Mullins CE, Mcdonald AJS, Strachan NJC, 2003. Weed and crop discrimination using image analysis and artificial intelligence methods. Computers and Electronics in Agriculture 39(3): 157-171.
- Al-Hiary H, Bani-Ahmad S, Reyalat M, Braik M, ALRahamneh, 2011. Fast and accurate detection and classification of plant diseases. Machine learning, 14: 5.
- Arivazhagan S, Shebiah RN, Ananthi S, Varthini SV, 2013. Detection of unhealthy region of plant leaves and classification of plant leaf diseases using texture features. Agricultural Engineering International, 15(1): 211-217.
- Baker B, Olszyk DM, Tingey D, 1996. Digital image analysis to estimate leaf area. Journal of Plant Physiology, 148(5): 530-535.
Abstract
Image analysis systems have been increasingly utilized for the assessment of plant growth and health for decades. This study reviews recent developments in image analysis systems for the plant growth and health evaluation. Furthermore, plant disease detection, pest detection and identification, IR thermography, aerial infrared photography, plant and plant part identification, plant discrimination, robotic harvesting, yield estimation and detection of the fruit maturity by image analysis systems are evaluated in this paper. More specifically, feature parameters like size, shape and colour of the fruits are used to detect the object (fruit) in the plant image and to assess the growth and health by image processing. Then, the advantages of image analysis systems for the plant growth and health evaluation are demonstrated. In addition, some points to simplify the implementation of image analysis systems for plant growth and health evaluation are also investigated and discussed. At the end of the introduction part, summary table including the process able plant parameters by image analysis techniques used in obtaining the plant information are presented with related reference.
References
- Aitkenhead MJ, Dalgetty IA, Mullins CE, Mcdonald AJS, Strachan NJC, 2003. Weed and crop discrimination using image analysis and artificial intelligence methods. Computers and Electronics in Agriculture 39(3): 157-171.
- Al-Hiary H, Bani-Ahmad S, Reyalat M, Braik M, ALRahamneh, 2011. Fast and accurate detection and classification of plant diseases. Machine learning, 14: 5.
- Arivazhagan S, Shebiah RN, Ananthi S, Varthini SV, 2013. Detection of unhealthy region of plant leaves and classification of plant leaf diseases using texture features. Agricultural Engineering International, 15(1): 211-217.
- Baker B, Olszyk DM, Tingey D, 1996. Digital image analysis to estimate leaf area. Journal of Plant Physiology, 148(5): 530-535.
Details
| Journal Section | Articles |
|---|---|
| Authors | |
| Publication Date | June 30, 2017 |
| Published in Issue | Year 2017 Volume: 22 Issue: 1 |
