[论文解读] Fusing Color and Texture Cues to Categorize the Fruit Diseases from Images

Shiv Ram Dubey, Anand Singh Jalal|arXiv (Cornell University)|Dec 23, 2014

Smart Agriculture and AI参考文献 26被引用 7

一句话总结

本文提出了一种基于图像处理和机器学习的苹果病害自动分类颜色与纹理融合方法。该方法采用K均值聚类进行缺陷分割，从分割区域中提取颜色和纹理特征，并使用多类支持向量机（SVM）进行分类，在区分苹果黑星病、斑点病、腐烂病和健康苹果方面实现了高精度。

ABSTRACT

The economic and production losses in agricultural industry worldwide are due to the presence of diseases in the several kinds of fruits. In this paper, a method for the classification of fruit diseases is proposed and experimentally validated. The image processing based proposed approach is composed of the following main steps; in the first step K-Means clustering technique is used for the defect segmentation, in the second step color and textural cues are extracted and fused from the segmented image, and finally images are classified into one of the classes by using a Multi-class Support Vector Machine. We have considered diseases of apple as a test case and evaluated our approach for three types of apple diseases namely apple scab, apple blotch and apple rot and normal apples without diseases. Our experimentation points out that the proposed fusion scheme can significantly support accurate detection and automatic classification of fruit diseases.

研究动机与目标

• 为解决因未检测到果实病害而导致的农业经济损失。
• 开发一种基于图像的自动化系统，用于检测和分类果实病害。
• 通过结合分割病灶区域的颜色与纹理特征，提高分类精度。
• 在真实世界的苹果病害图像上验证该方法，包括黑星病、斑点病、腐烂病和健康苹果。

提出的方法

• 应用K均值聚类从果实图像中分割病灶区域。
• 利用RGB或HSV色彩空间中的统计度量，从分割区域中提取颜色特征。
• 使用局部二值模式（LBP）或灰度共生矩阵（GLCM）等方法提取纹理特征。
• 将颜色与纹理特征拼接成单一特征向量用于分类。
• 训练多类支持向量机（SVM），将图像分类为四种类别之一：苹果黑星病、苹果斑点病、苹果腐烂病或正常苹果。
• 使用标准的病害与健康苹果图像数据集对系统进行评估。

实验结果

研究问题

• RQ1 与单独使用单一模态相比，颜色与纹理特征的融合是否能提高果实病害分类的准确性？
• RQ2 K均值聚类在从复杂果实背景中分离病灶区域方面的效果如何？
• RQ3 多类SVM是否能有效区分多种类型的苹果病害与健康苹果？
• RQ4 该方法在真实世界中光照和背景条件多变的情况下表现如何？

主要发现

• 所提出的颜色与纹理特征融合方法显著提高了分类精度，优于单独使用任一特征。
• 在测试数据集中，该系统在区分苹果黑星病、斑点病、腐烂病和健康苹果方面表现出高精度。
• K均值聚类有效分割了病灶区域，从而实现了对病理性区域的可靠特征提取。
• 多类SVM分类器在四类病害类别中均表现出优异的泛化性能。