Novel modified kernel Fuzzy C-Means algorithm used for cotton leaf spot detection

Скорочена інформація про документ
dc.contributor.authorPaithane, Pradip M.
dc.contributor.authorSarita Jibhau Wagh
dc.date.accessioned2024-03-15T14:42:20Z
dc.date.available2024-03-15T14:42:20Z
dc.date.issued2023
dc.description.abstract. Image segmentation is a significant and difficult subject that is a prerequisite for both basic image analysis and sophisticated picture interpretation. In image analysis, picture segmentation is crucial. Several different applications, including those related to medicine, facial identification, Cotton disease diagnosis, and map object detection, benefit from image segmentation. In order to segment images, the clustering approach is used. The two types of clustering algorithms are Crisp and Fuzzy. Crisp clustering is superior to fuzzy clustering. Fuzzy clustering uses the well-known FCM approach to enhance the results of picture segmentation. KFCM technique for image segmentation can be utilized to overcome FCM’s shortcomings in noisy and nonlinear separable images. In the KFCM approach, the Gaussian kernel function transforms high-dimensional, nonlinearly separable data into linearly separable data before applying FCM to the data. KFCM is enhancing noisy picture segmentation results. KFCM increases the accuracy rate but ignores neighboring pixels. The Modified Kernel Fuzzy C-Means approach is employed to get over this problem. The NMKFCM approach enhances picture segmentation results by including neighboring pixel information into the objective function. This suggested technique is used to find “blackarm” spots on cotton leaves. A fungal leaf disease called “blackarm” leaf spot results in brown leaves with purple borders. The bacterium can harm cotton plants, causing angular leaf blotches that range in color from red to brown.
dc.description.abstractotherСегментація зображення є важливою та складною темою, яка є необхідною умовою як для базового аналізу зображення, так і для складної інтерпретації зображення. В аналізі зображень сегментація зображення має вирішальне значення. Кілька різних програм, зокрема ті, що стосуються медицини, ідентифікації обличчя, діагностики хвороби Коттона та виявлення об’єктів на карті, отримують переваги від сегментації зображення. Для сегментації зображень використовується підхід кластеризації. Існує два типи алгоритмів кластеризації: чіткий і нечіткий. Техніка чіткості перевершує нечітку кластеризацію. Нечітка кластеризація використовує добре відомий підхід FCM для поліпшення результатів сегментації зображення. Техніка KFCM для сегментації зображення може бути використана для усунення недоліків FCM у зашумлених і нелінійних роздільних зображеннях. У підході KFCM ядрова функція Гауса використовується для перетворення високовимірних нелінійно розділених даних у лінійно розділені дані перед застосуванням FCM до даних. KFCM поліпшує результати сегментації зображення із шумом, підвищує рівень точності, але ігнорує сусідні піксели. Щоб подолати цю проблему, використовується модифікований підхід нечіткого С-середнього ядра. Підхід NMKFCM поліпшує результати сегментації зображення шляхом включення інформації про сусідні піксели до цільової функції. Цей запропонований метод використовується для виявлення плям «чорної шкірки» на листу бавовника. Грибкове захворювання листя під назвою «чорна плямистість» призводить до коричневого листя з фіолетовими краями. Бактерія може завдати шкоди рослинам бавовника, спричиняючи кутасті плями на листу, які мають колір від червоного до коричневого.
dc.format.pagerangeС. 85-99
dc.identifier.citationPaithane, Pradip M. Novel modified kernel Fuzzy C-Means algorithm used for cotton leaf spot detection / Pradip M. Paithane, Sarita Jibhau Wagh // Системні дослідження та інформаційні технології : міжнародний науково-технічний журнал. – 2023. – № 4. – С. 85-99. – Бібліогр.: 24 назв.
dc.identifier.doihttps://doi.org/10.20535/SRIT.2308-8893.2023.4.07
dc.identifier.orcid0000-0002-4473-7544
dc.identifier.orcid0000-0003-4798-2147
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/65568
dc.language.isoen
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.relation.ispartofСистемні дослідження та інформаційні технології : міжнародний науково-технічний журнал, № 4
dc.subjectCluster Accuracy Rate (CAR)
dc.subjectClustering
dc.subjectCotton Leaf Disease
dc.subjectFuzzy Clustering Method (FCM)
dc.subjectKernel Fuzzy C-means Algorithm (KFCM)
dc.subjectNovel Modified Kernel Fuzzy C-Means Clustering Algorithm (NMKFCM)
dc.subjectкоефіцієнт точності кластера (CAR)
dc.subjectкластеризація
dc.subjectхвороба листя бавовника
dc.subjectметод нечіткої кластеризації (FCM)
dc.subjectалгоритм нечіткого C-середнього ядра (KFCM)
dc.subjectновий модифікований алгоритм кластеризації нечіткого C-середнього ядра (NMKFCM)
dc.subject.udc62-50
dc.titleNovel modified kernel Fuzzy C-Means algorithm used for cotton leaf spot detection
dc.title.alternativeНовий модифікований алгоритм ядра Fuzzy C-Means, що використовується для виявлення плям на листу бавовника
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
P.85-99.pdf
Розмір:
697.42 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Системні дослідження та інформаційні технології: міжнародний науково-технічний журнал, № 4