[논문 리뷰] A smartphone application to detection and classification of coffee leaf miner and coffee leaf rust

Giuliano L. Manso, Helder Knidel외 2명|arXiv (Cornell University)|2019. 03. 19.

Smart Agriculture and AI참고 문헌 28인용 수 36

한 줄 요약

본 논문은 잎 이미지로 커피 잎 녹병과 커피 잎 마이너를 감지하고, 잎을 분할하며, 특징을 추출하고, ANN/ELM으로 분류하며, 질병 심각도를 계산하는 스마트폰 앱을 제시한다.

ABSTRACT

Generally, the identification and classification of plant diseases and/or pests are performed by an expert . One of the problems facing coffee farmers in Brazil is crop infestation, particularly by leaf rust Hemileia vastatrix and leaf miner Leucoptera coffeella. The progression of the diseases and or pests occurs spatially and temporarily. So, it is very important to automatically identify the degree of severity. The main goal of this article consists on the development of a method and its i implementation as an App that allow the detection of the foliar damages from images of coffee leaf that are captured using a smartphone, and identify whether it is rust or leaf miner, and in turn the calculation of its severity degree. The method consists of identifying a leaf from the image and separates it from the background with the use of a segmentation algorithm. In the segmentation process, various types of backgrounds for the image using the HSV and YCbCr color spaces are tested. In the segmentation of foliar damages, the Otsu algorithm and the iterative threshold algorithm, in the YCgCr color space, have been used and compared to k-means. Next, features of the segmented foliar damages are calculated. For the classification, artificial neural network trained with extreme learning machine have been used. The results obtained shows the feasibility and effectiveness of the approach to identify and classify foliar damages, and the automatic calculation of the severity. The results obtained are very promising according to experts.

연구 동기 및 목표

• 농부를 돕기 위하여 커피 잎 질병 및 해충의 자동 식별을 촉진한다.
• 스마트폰 이미지에서 잎 손상을 감지하고 녹병과 마이너를 구분하는 모바일 방법을 개발한다.
• 잎 면적 대비 손상 심각도를 자동으로 백분율로 계산할 수 있게 한다.
• 강인한 분류를 지원하기 위해 세분화 방법과 특징 세트를 비교한다.

제안 방법

• 배경 테스트를 포함하여 색 공간 변환(HSV, YCbCr, YCgCr)과 임계값(Otsu, 반복적)을 사용하여 이미지에서 잎을 분리한다.
• 잎의 정확도를 최대화하기 위해 여러 분할 방법(Otsu, k-means, YCgCr 임계값)을 평가한다.
• 손상 부위에서 텍스처(GLCM)와 색상 특징(평균, 표준편차, 분산, 엔트로피)을 추출하고 공도발생 지표(대비, 서로다름도, 동질성, 에너지, 상관) 를 계산한다.
• Artificial Neural Networks(역전파)과 Extreme Learning Machines(ELM)을 사용하여 손상된 잎 영역을 커피 잎 마이너 또는 커피 잎 녹병으로 분류한다.
• 세분화된 결과에서 픽셀 기반 면적 측정을 사용하여 (손상 면적 / 잎 면적) × 100으로 심각도를 계산한다.
• 스마트폰(ASUS Zenfone 2)으로 촬영된 이미지 데이터세트를 사용하고 분류를 위한 균형 잡힌 학습 세트를 만든다.

실험 결과

연구 질문

• RQ1 스마트폰 기반 파이프라인이 잎 이미지에서 커피 잎 녹병과 커피 잎 마이너를 정확히 구분할 수 있는가?
• RQ2 손상 영역을 신뢰할 수 있는 심각도 추정을 위해 어떤 세분화 및 특징 추출 전략이 최선을 다하는가?
• RQ3 이 두 분류 문제에서 ANN(역전파)과 Extreme Learning Machine 분류기가 어떻게 비교되는가?
• RQ4 계산된 심각도가 배경 변화 및 이미지 조건에 대해 강건한가?

주요 결과

• 이 접근법은 잎 손상의 자동 감지 및 분류의 실현 가능성과 효과를 보여준다.
• 연구는 배경 변 variation과 색 공간 선택이 세분화 품질에 영향을 미치며, Otsu 기반 및 YCgCr 주도 방법이 평가되었음을 보여준다.
• 손상 영역의 텍스처 및 색상 특징과 결합된 ANN/ELM 분류기가 잎 녹병과 잎 마이너를 구분할 수 있게 한다.
• 세분화된 영역으로부터 심각도를 자동으로 계산할 수 있어 시간에 따른 객관적 모니터링이 가능하다.
• 전문가들에 의해 결과가 매우 유망하다고 보고되어 모바일 솔루션의 생존 가능성을 뒷받침한다.