Ulteriori informazioni
Questo libro esplora un approccio avanzato alla segmentazione automatica delle immagini morfologiche basate su marcatori, alla classificazione e al rilevamento delle malattie nelle piante di pomodoro malate, utilizzando la classificazione Support Vector Machine (SVM). Approfondisce il modo in cui l'elaborazione morfologica migliora l'accuratezza della segmentazione delle immagini, consentendo l'identificazione precisa delle regioni malate nelle piante di pomodoro. Il libro discute anche le tecniche di estrazione delle caratteristiche, i metodi di classificazione e l'efficacia di SVM nel distinguere tra aree di piante sane e malate. Quest'opera è particolarmente utile per i ricercatori, gli agronomi e gli esperti di computer vision che lavorano sull'agricoltura di precisione e sulla diagnosi delle malattie delle piante utilizzando tecniche di deep learning e machine learning.
Info autore
Professore assistente presso il Dipartimento UG di Informatica, NGM College, Pollachi. Ha completato il dottorato di ricerca presso l'NGM College. Oltre 13 anni di esperienza di insegnamento con specializzazione in elaborazione di immagini digitali, sistemi operativi, apprendimento profondo e apprendimento automatico. Ha pubblicato più di 15 articoli di ricerca in riviste rinomate come IEEE, UGC care e Scopus.
