Resumen

Dado que la vena del maíz y el ruido influyen en la extracción del contorno de la enfermedad de la hoja de maíz, presentamos un nuevo algoritmo de reconocimiento basado en Curvelet y Shape Context (SC). Este método puede mejorar la velocidad y la precisión del reconocimiento de la enfermedad de la hoja de maíz. En primer lugar, utilizamos el algoritmo Seeded Regional Growing (SRG) para segmentar la imagen de la enfermedad de la hoja de maíz. En segundo lugar, se propone el método de correlación de módulo Curvelet (CMC) para extraer el contorno efectivo de la enfermedad de la hoja de maíz. En tercer lugar, combinamos CMC con el algoritmo SC para obtener las características del histograma y, a continuación, utilizamos estas características obtenidas para calcular las similitudes entre la imagen plantilla y la imagen objetivo. Finalmente, adoptamos el algoritmo de validación cruzada n-fold para reconocer enfermedades en la base de datos de enfermedades de la hoja de maíz. Los resultados experimentales muestran que el algoritmo propuesto puede reconocer 6 tipos de enfermedades de la hoja de maíz con precisión y alcanzar una precisión del 94,446%. Además, este algoritmo puede servir de guía para el reconocimiento de otras enfermedades.

• Materias:Ingeniería electrónica Comunicaciones Ópticas Redes Inalámbricas Procesamiento de señales asistido por computador Procesamiento de datos
• Subjects:Electronic engineering Optical communications Wireless Networks Signal processing computer-assisted Data processing
• Palabras claves:enfermedades de la hoja de maíz, algoritmo, base de datos de enfermedades de la hoja de maíz, imagen de enfermedades de la hoja de maíz, reconocimiento de enfermedades de la hoja de maíz, correlación módulo curvelet, crecimiento regional sembrado, enfermedades de la hoja de maíz, nuevo algoritmo de reconocimiento, reconocimiento de otras enfermedades
• Keywords:maize leaf disease, algorithm, maize leaf disease database, maize leaf disease image, maize leaf disease recognition, curvelet modulus correlation, seeded regional growing, maize leaf diseases, new recognition algorithm, other diseases recognition