Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Digital Image Watermarking Using Sine Transform Technique Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Detection of Weed Using Visual Attention Model and SVM Classifier

verfasst von : Manda Aparna, D. Radha

Erschienen in: Proceedings of the International Conference on ISMAC in Computational Vision and Bio-Engineering 2018 (ISMAC-CVB)

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Agriculture is one of the provenances of human ailment in this heavenly body. It plays an extrusive role in the economy. Flourishing crops are a constituent of agriculture. Weeds are the additional plants to the crop. Removal of weeds is a challenging job for the farmers as it is a periodic, time–consuming, and cost-intensive process. Different ways to remove those weeds are by hand labor, spraying pesticides and herbicides, and machines but with their own disadvantages. The software solution can overcome these drawbacks to an extent. The main concern in software is in the identification of weeds among the crops in the field. The proposed system helps in detection of weeds in the agriculture field using computer vision methods. The method works with a dataset of crops and weeds. The plants are identified as salient regions in visual attention model and the identified plants are classified as crops or weeds using support vector machine classifier.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel An Efficient Classifier for P300 in Brain–Computer Interface Based on Scalar Products
Nächstes Kapitel Design and Development of Scalable IoT Framework for Healthcare Application
Literatur
1.
Wu L (2017) Detection of the salient region of in-field rapeseed plant images based-on visual attention model. In: 2017 2nd Asia-Pacific conference on intelligent robot systems (ACIRS). IEEE, New York, pp 33–36
2.
Mohanapreethi J, Sujaritha M (2017, May) Texture-based weed identification system for precision farming. Int J Sci Eng Res 8(5). ISSN 229-5518
3.
Sukumar P, Ravi S (2016) Weed detection using image processing by clustering analysis. Int J Emerg Technol Eng Res (IJETER) 4(5):14–18
4.
Ayswarya R, Balaji B, Balaji R, Ramya R, Arun S (2017, March) Weed detection in agriculture using image processing. Int J Adv Res Electr, Electron Instrum Eng 6(3)
5.
Deepa S, Hemalatha R (2015) Weed detection using image processing. Int J Res Comput Appl Robot 3(7):29–31
6.
Ahmed F, Kabir MH, Bhuyan S, Bari H, Hossain E (2014) Automated weed classification with local pattern-based texture descriptors. Int Arab J Inf Technol 11(1):87–94
7.
Ishak AJ, Mustafa MM, Tahir NM, Hussain A (2008) Weed detection system using support vector machine. In: International symposium on information theory and its applications, 2008, ISITA 2008. IEEE, New York, pp 1–4
8.
Tellaeche A, BurgosArtizzu XP, Pajares G, Ribeiro A (2007) A vision-based classifier in precision agriculture combining Bayes and support vector machines. In: IEEE international symposium on intelligent signal processing, 2007, WISP 2007. IEEE, New York, pp 1–6
9.
Auria L, Moro RA (2008) Support vector machines (SVM) as a technique for solvency analysis
10.
Ahmed F, Bari ASMH, Hossain E, Al-Mamun HA, Kwan P (2011) Performance analysis of support vector machine and Bayesian classifier for crop and weed classification from digital images. World Appl Sci J 12(4):432–440
11.
Venkataraman D, Mangayarkarasi N (2016) Computer vision based feature extraction of leaves for identification of medicinal values of plants. In: 2016 IEEE international conference on computational intelligence and computing research
12.
Sriram B, Sai Hemanth Reddy K, Santhosh Kumar S, Sikha OK (2017) An improved levelset method using saliency map as initial seed. In: International conference on signal processing and communication (ICSPC’17)—28th & 29th July 2017
13.
Malemath VS, Hugar SM (2016, May-June) A new approach for weed detection in agriculture using image processing techniques. Int J Adv Sci Tech Res 3(6). ISSN 2249-9954
14.
Cheng M-M, Warrell J, Lin W-Y, Zheng S, Vineet V, Crook N (2013) Efficient salient region detection with soft image abstraction. In: 2013 IEEE international conference on computer vision (ICCV). IEEE, New York, pp 1529–1536
15.
Anjali Rani KA, Supriya P, Sarath TV (2017) Computer vision based segregation of carrot and curry leaf plants with weed identification in carrot field. In: Proceedings of the IEEE 2017 international conference on computing methodologies and communication (ICCMC)
Metadaten
Titel
Detection of Weed Using Visual Attention Model and SVM Classifier
verfasst von
Manda Aparna
D. Radha
Copyright-Jahr
2019
Buch
Proceedings of the International Conference on ISMAC in Computational Vision and Bio-Engineering 2018 (ISMAC-CVB)

Print ISBN: 978-3-030-00664-8

Electronic ISBN: 978-3-030-00665-5

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-030-00665-5_25

Neuer Inhalt

    Bildnachweise