Published May 28, 2022 | Version v1
Publication Open

Feature Extraction of Plant Leaf Using Deep Learning

Creators

  • 1. University of Management and Technology
  • 2. National College of Business Administration and Economics
  • 3. King Khalid University

Description

Half a million species of plants could be existing in the world. Classification of plants based on leaf features is a critical job as feature extraction (includes shape, margin, and texture) from binary images of leaves may result in duplicate identification. However, leaves are an effective means of differentiating plant species because of their unique characteristics like area, diameter, perimeter, circularity, aspect ratio, solidity, eccentricity, and narrow factor. This paper presents the extraction of plant leaf gas alongside other features from the camera images or a dataset of images by applying a convolutional neural network (CNN). The extraction of leaf gas enables identification of the actual level of chlorophyll (Ch) and nitrogen (N) which may help to interpret future predictions. Our contribution includes the study of texture and geometric features, analyzing ratio of Ch and N in both healthy and dead leaves, and the study of color-based methods via CNN. Several steps are included to obtain the results: image preprocessing, testing, training, enhancement, segmentation, feature extraction, and aggregation of results. A vital contrast of the results can be seen by considering the kind of image, whether a healthy or dead leaf.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

نصف مليون نوع من النباتات يمكن أن تكون موجودة في العالم. يعد تصنيف النباتات بناءً على سمات الأوراق مهمة حرجة لأن استخراج السمات (بما في ذلك الشكل والهامش والملمس) من الصور الثنائية للأوراق قد يؤدي إلى تحديد مكرر. ومع ذلك، فإن الأوراق هي وسيلة فعالة لتمييز الأنواع النباتية بسبب خصائصها الفريدة مثل المساحة والقطر والمحيط والدوران ونسبة العرض إلى الارتفاع والصلابة والغرابة والعامل الضيق. تعرض هذه الورقة استخراج غاز أوراق النبات جنبًا إلى جنب مع ميزات أخرى من صور الكاميرا أو مجموعة بيانات من الصور من خلال تطبيق شبكة عصبية التفافية (CNN). يتيح استخراج غاز الأوراق تحديد المستوى الفعلي للكلوروفيل (Ch) والنيتروجين (N) مما قد يساعد في تفسير التنبؤات المستقبلية. وتشمل مساهمتنا دراسة الملمس والميزات الهندسية، وتحليل نسبة Ch و N في كل من الأوراق الصحية والميتة، ودراسة الأساليب القائمة على اللون عبر CNN. يتم تضمين عدة خطوات للحصول على النتائج: المعالجة المسبقة للصور، والاختبار، والتدريب، والتحسين، والتجزئة، واستخراج الميزات، وتجميع النتائج. يمكن رؤية تباين حيوي للنتائج من خلال النظر في نوع الصورة، سواء كانت ورقة صحية أو ميتة.

Translated Description (French)

Un demi-million d'espèces de plantes pourraient exister dans le monde. La classification des plantes en fonction des caractéristiques des feuilles est un travail essentiel car l'extraction des caractéristiques (y compris la forme, la marge et la texture) à partir d'images binaires des feuilles peut entraîner une identification en double. Cependant, les feuilles sont un moyen efficace de différencier les espèces végétales en raison de leurs caractéristiques uniques telles que la surface, le diamètre, le périmètre, la circularité, le rapport d'aspect, la solidité, l'excentricité et le facteur étroit. Cet article présente l'extraction du gaz foliaire végétal aux côtés d'autres caractéristiques des images de la caméra ou d'un ensemble de données d'images en appliquant un réseau neuronal convolutionnel (CNN). L'extraction du gaz foliaire permet d'identifier le niveau réel de chlorophylle (Ch) et d'azote (N), ce qui peut aider à interpréter les prévisions futures. Notre contribution comprend l'étude de la texture et des caractéristiques géométriques, l'analyse du rapport de Ch et N dans les feuilles saines et mortes, et l'étude des méthodes basées sur la couleur via CNN. Plusieurs étapes sont incluses pour obtenir les résultats : prétraitement d'image, test, formation, amélioration, segmentation, extraction de caractéristiques et agrégation des résultats. Un contraste essentiel des résultats peut être vu en considérant le type d'image, qu'il s'agisse d'une feuille saine ou morte.

Translated Description (Spanish)

Medio millón de especies de plantas podrían existir en el mundo. La clasificación de las plantas en función de las características de las hojas es un trabajo crítico, ya que la extracción de características (incluye forma, margen y textura) a partir de imágenes binarias de las hojas puede dar lugar a una identificación duplicada. Sin embargo, las hojas son un medio eficaz para diferenciar las especies de plantas debido a sus características únicas como el área, el diámetro, el perímetro, la circularidad, la relación de aspecto, la solidez, la excentricidad y el factor estrecho. Este documento presenta la extracción de gas de hojas de plantas junto con otras características de las imágenes de la cámara o un conjunto de datos de imágenes mediante la aplicación de una red neuronal convolucional (CNN). La extracción de gas de hoja permite identificar el nivel real de clorofila (Ch) y nitrógeno (N), lo que puede ayudar a interpretar las predicciones futuras. Nuestra contribución incluye el estudio de la textura y las características geométricas, el análisis de la proporción de Ch y N en hojas sanas y muertas, y el estudio de métodos basados en el color a través de CNN. Se incluyen varios pasos para obtener los resultados: preprocesamiento de imágenes, pruebas, capacitación, mejora, segmentación, extracción de características y agregación de resultados. Un contraste vital de los resultados se puede ver al considerar el tipo de imagen, ya sea una hoja sana o muerta.

Files

6976112.pdf.pdf

Files (15.9 kB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:1bd104371e09ffb7cf31c9c8cf010f9c
15.9 kB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
ميزة استخراج أوراق النبات باستخدام التعلم العميق
Translated title (French)
Extraction de feuilles de plantes à l'aide de l'apprentissage en profondeur
Translated title (Spanish)
Función de extracción de hojas de plantas mediante aprendizaje profundo

Identifiers

Other
https://openalex.org/W4281766298
DOI
10.1155/2022/6976112

Is supplement to
https://openalex.org/W4300911694 (Other)
https://openalex.org/W4290997076 (Other)
https://openalex.org/W3125011624 (Other)
https://openalex.org/W2963801405 (Other)
https://openalex.org/W2884201223 (Other)
https://openalex.org/W2370917603 (Other)
https://openalex.org/W2095030957 (Other)
https://openalex.org/W2066827917 (Other)
https://openalex.org/W1556850077 (Other)
https://openalex.org/W1508631387 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Pakistan

References

  • https://openalex.org/W121282825
  • https://openalex.org/W1705245392
  • https://openalex.org/W1968896562
  • https://openalex.org/W1982539255
  • https://openalex.org/W1985723813
  • https://openalex.org/W2012093028
  • https://openalex.org/W2033888050
  • https://openalex.org/W2068231508
  • https://openalex.org/W2076731374
  • https://openalex.org/W2097117768
  • https://openalex.org/W2112076978
  • https://openalex.org/W2112796928
  • https://openalex.org/W2121452312
  • https://openalex.org/W2126357415
  • https://openalex.org/W2131836710
  • https://openalex.org/W2155273149
  • https://openalex.org/W2198165008
  • https://openalex.org/W2213241010
  • https://openalex.org/W2268374972
  • https://openalex.org/W2337533452
  • https://openalex.org/W2497908278
  • https://openalex.org/W2524426358
  • https://openalex.org/W2537797749
  • https://openalex.org/W2568155635
  • https://openalex.org/W2599068109
  • https://openalex.org/W2783847648
  • https://openalex.org/W2885173995
  • https://openalex.org/W2909340929
  • https://openalex.org/W2920134135
  • https://openalex.org/W2963801405
  • https://openalex.org/W4239510810
  • https://openalex.org/W599926486