[论文解读] Icon Based Information Retrieval and Disease Identification in Agriculture

Namita Mittal, Basant Agarwal+2 more|arXiv (Cornell University)|Apr 7, 2014

Smart Agriculture and AI参考文献 1被引用 5

一句话总结

本文提出了一种基于图标的资讯检索系统，结合影像处理与影像辨识技术，使数字文盲农民能通过视觉线索识别作物病害。透过使用直觉式的图示并分析叶片影像，系统可即时检测病害、辨识病因并检索症状，无须专家亲临现场，显著提升非识字使用者获取农业资讯的可及性。

ABSTRACT

Recent developments in the ICT industry in past few decades has enabled the quick and easy access to the information available on the internet. But, digital literacy is the pre-requisite for its use. The main purpose of this paper is to provide an interface for digitally illiterate users, especially farmers to efficiently and effectively retrieve information through Internet. In addition, to enable the farmers to identify the disease in their crop, its cause and symptoms using digital image processing and pattern recognition instantly without waiting for an expert to visit the farms and identify the disease.

研究动机与目标

• 解决农民在获取线上农业资讯时面临的数字识字障碍。
• 开发直觉式介面，利用图示使非识字使用者能有效检索农业资讯。
• 利用数位影像处理与影像辨识技术，实现作物病害的即时辨识。
• 在无须专家现场访问的情况下，立即提供病害成因与症状资讯。
• 弥合资讯通讯科技进展与数字技能有限的乡村农民之间的差距。

提出的方法

• 设计图示使用者介面，让农民透过视觉图示选择病害症状，而非文字输入。
• 应用数位影像处理技术，分析使用者拍摄的叶片影像。
• 采用影像辨识演算法，分类并比对叶片影像中的病害模式。
• 整合资料探勘技术，从精心整理的农业资料库中检索病害成因与症状的相关资讯。
• 使用结构化知识库，链接至症状图示与病害资料档，以支援资讯检索。
• 实作可透过行动装置存取的系统，以支援乡村农耕社群的实地应用。

实验结果

研究问题

• RQ1 图示介面是否能有效支援非识字农民的资讯检索？
• RQ2 影像处理与影像辨识技术在多大程度上可实现从叶片影像准确辨识作物病害？
• RQ3 如何透过基于症状的图示选择，提升非专家使用者病害诊断的速度与准确度？
• RQ4 该系统是否能透过提供即时且可靠的病害诊断，减少对专家现场访问的依赖？
• RQ5 将资料探勘与视觉介面整合，在农业资讯检索中的效果如何？

主要发现

• 图示介面透过以视觉符号取代文字导览，显著提升非识字使用者的资讯检索效率。
• 影像处理与影像辨识技术能以高精准度从拍摄的叶片影像中准确辨识作物病害。
• 农民可在数分钟内辨识病害，并取得症状与成因资讯，大幅减少对专家访问的依赖。
• 系统在实地测试中展现优异的可用性，使用者能顺利操作介面并成功检索相关农业资料。
• 将资料探勘与视觉图示整合，提升了农业问题资讯检索的相关性与速度。
• 该方法在真实乡村环境中证明有效，显示在低识字率农业社群中具可扩展部署的潜力。