Bildgestützte Erkennung von Pflanzenkrankheiten

In diesem Buch wird ein fortschrittlicher Ansatz zur automatischen markerbasierten morphologischen Bildsegmentierung, Klassifizierung und Krankheitserkennung bei kranken Tomatenpflanzen mit Hilfe der SVM-Klassifizierung (Support Vector Machine) untersucht. Es wird erläutert, wie die morphologische Verarbeitung die Genauigkeit der Bildsegmentierung verbessert und eine präzise Identifizierung kranker Regionen in Tomatenpflanzen ermöglicht. Das Buch behandelt auch Techniken zur Merkmalsextraktion, Klassifizierungsmethoden und die Wirksamkeit von SVM bei der Unterscheidung zwischen gesunden und kranken Pflanzenbereichen. Dieses Werk ist besonders nützlich für Forscher, Agronomen und Computer-Vision-Experten, die sich mit Präzisionslandwirtschaft und der Diagnose von Pflanzenkrankheiten mithilfe von Deep Learning und maschinellen Lernverfahren beschäftigen.

Autorentext
Assistenzprofessor in der UG-Abteilung für Informatik, NGM College, Pollachi. Abgeschlossene Promotion am NGM College. Mehr als 13 Jahre Lehrerfahrung mit Spezialisierung auf digitale Bildverarbeitung, Betriebssysteme, Deep Learning und maschinelles Lernen. Veröffentlichte mehr als 15 Forschungsartikel in renommierten Fachzeitschriften wie IEEE, UGC Care und Scopus.