Automatiseret sygdomsdetektion i majs

Majs er måske singlen, den vigtigste kornafgrøde i verden. Det forbruges af millioner af mennesker og er en fast bestanddel for en stor del af den globale befolkning. Det bruges også til dyrefoder og dets samlede produktion overgår langt ris og hvede. Det omdannes også til andre spiselige produkter såsom majssirup og majsstivelse samt nyttige, men uspiselige produkter, som bioethanol. Desværre, som med mange vitale afgrøder, der er betydelige skadedyr og sygdomme, der kan ødelægge høsten eller beskadige produktet efterfølgende, under transport og opbevaring før forbrug.

Skrev i International Journal of Computational Vision and Robotics, Enquhone Alehegn fra Bahir Dar University, i Etiopien, har brugt en støttevektormaskine og billedbehandling til at udvikle et genkendelses- og klassifikationssystem for majssygdomme. Alehegn påpeger, at etiopisk majs er ramt af omkring 72 sygdomme, der angriber forskellige dele af planterne. Visuel observation og kemisk analyse bruges almindeligvis til at identificere en bestemt infektion i planternes blade. Imidlertid, sådanne tilgange kræver eksperter, tid, og ofte kostbart udstyr og faciliteter. Hans nye tilgang tilsidesætter mange af problemerne med konventionel sygdomsdetektion og klassificering.

Han forklarer, at han brugte 640 billeder fra et datasæt på 800 til at træne algoritmen og de øvrige 20 procent til test. "Baseret på eksperimentresultatet ved hjælp af kombineret (tekstur, farve og morfologi) har med understøttende vektormaskine en gennemsnitlig nøjagtighed på 95,63 procent opnået." Det burde være muligt at forbedre nøjagtigheden ved at optimere billedsegmenteringsdelen af ​​analysen.