BARG TASVIRI BO‘YIChA MADANIY O‘SIMLIKLARNING FITOSANITAR HOLATINI ANIQLASh ALGORITMLARI
Ключевые слова:
fitosanitar holatini aniqlash, asosiy tasvir boʻlaklari, tashxisiy belgilar, afzal belgilar, umumiy bahoni hisoblashАннотация
Ushbu maqolada madaniy o‘simliklarning fitosanitar holatini aniqlash masalasi qaralgan va boshlang‘ich ma’lumotlar sifatida ularning barg tasvirlari olingan. Mazkur masalani hal qilish uchun ikki o‘lchamli bo‘sag‘aviy funksiyalarga asoslangan tanib olish algoritmlari modeli taklif etilgan. Taklif etilayotgan algoritmlarning asosiy g‘oyasi afzal belgilar to‘plamini shakllantirish va ushbu belgilarni taqqoslash asosida qarorlar qabul qilish qoidasini qurishdan iborat. Fitosanitar holatini aniqlash algoritmlari modelini tasniflash bosqichlari keltirilgan. Taklif etilayotgan modelning ishga yaroqli ekanligini baholash barg tasvirlari yordamida g‘o‘zaning fitosanitar holatini aniqlash masalasini hal qilish orqali ko‘rsatilgan
Библиографические ссылки
Jacobs M. (Ed) Information and Communications Technologies in Agriculture. States Academic Press, 2022. - 239 p.
Che F.N., Strang K.D., Vajjhala N.R. Opportunities and Strategic Use of Agribusiness Information Systems. IGI Global, 2021. - 333 p.
Fouda Hazem Shawky. Information Technology in Agriculture. Delve Publishing, 2020. — 270 p.
Noh Hyun-Ho, Han Xiongzhe. (2022). Plant Disease Diagnosis Using Deep Learning Based on Aerial Hyperspectral Images: A Review. Remote Sensing. 14. 6031. 10.3390/rs14236031.
Adedoja A.O., Owolawi P.A., Mapayi T., Tu C. (2022) Intelligent Mobile Plant Disease Diagnostic System Using NASNet-Mobile Deep Learning. IAENG International Journal of Computer Science. Vol. 49, No 1. Pp. 216-231
Tembhurne, J.V., Gajbhiye, S.M., Gannarpwar, V.R. et al. Plant disease detection using deep learning based Mobile application. Multimed Tools Appl 82, 27365–27390 (2023). https://doi.org/10.1007/s11042-023-14541-8
Anami B.S., Pujari J.D., Yakkundimath R. Identification and classification of normal and affected agriculture/horticulture produce based on combined color and texture feature extraction // International Journal of Computer Applications in Engineering Sciences – 2011. – Vol. 1, № 3. – P. 356– 360.
El-Helly M., Rafea A., El-Gammal S. An Integrated Image Processing System for Leaf Disease Detection and Diagnosis // In Proceedings of the 1st Indian International Conference on Artificial Intelligence (December 18-20, 2003). – Hyderabad, India, 2003. – P. 1182–1195. 40
Cheshkova A.F. A review of hyperspectral image analysis techniques for plant disease detection and identif ication // Vavilov Journal of Genetics and Breeding. Novosibirsk, 2022. Vol. 26. No. 2. P. 202-213. DOI:10.18699/VJGB-22-25
Тутыгин В.С., Аль-Винди Басим Х.М.А. Способ распознавания болезней растений по текстурным признакам с использованием нечёткой логики // Инженерный вестник Дона. Ростов-на-Дону, 2019. № 3. – URL: http://ivdon.ru/ru/magazine/archive/n3y2019/5846 (дата обращения: 22.05.2021).
Мирзаев Н.М. Модель выделения признаков в задаче диагностики фитосостояния растений по изображениям листьев // Вестник Рязанского государственного радиотехнического университета. – Рязань, 2012. – № 3. – С.17–21.
Mirzaev N, Saliev E. Feature extraction model in systems of diagnostics of plant diseases by the leaf images. Instrumental Engineering, Electronics and Telecommunications – 2017. Proceedings of the International forum (November 22–24, 2017, Izhevsk, Russia). – Izhevsk: Publishing House of Kalashnikov ISTU, 2018. – Pp. 20-27.
Mirzaeva G.R. Models of Recognition Algorithms Based on Construction of Two-Dimensional Logical Classifiers // Networked Control Systems for Connected and Automated Vehicles 2022, Volume 2. Springer, 2022. Pp. 1199–1209. DOI:10.1007/978-3-031-11051-1_122.
Журавлев Ю.И. Избранные научные труды. – М.: Магистр, 1998. – 420 с.
Mirzaev N. M. About one model of image recognition // Computer Technology and Applications: Proceedings of The First Russia and Pacific Conference. – Vladivostok, 2010. – P. 394–398. – URL: ftp://ftp.dvo.ru/pub/RPC_2010/rpc2010_docs/
Burger W., Burge M.J. Digital Image Processing. An Algorithmic Introduction. Springer, 2022. - 936 p.
Gonzalez R.C., Woods R.E. Digital Image Processing. New York: Pearson, 2018. - 1306 p.
Ту, Дж., Гонсалес, Р. Принципы распознавания образов. Пер. с англ. И.Б. Гуревича; под ред. Ю.И. Журавлева. – М.: Мир, 1978. – 410 с.
О.Н.Мирзаев, Ф.Ф.Мелиев, Г.Р.Мирзаева, О.А.Тиллаволдиев «Экстремал таниб олиш алгоритмларини қуришда репрезентатив белгиларни аниқлаш» // Узбекский журнал «Проблемы информатики и энергетики». – Ташкент, 2022. – № 6. – С.80-90 (ВАК)
Ш.Х.Фазылов, С.С.Раджабов, Г.Р.Мирзаева, Х.Ш.Рашидов «Модель распознающих операторов, основанных на оценке взаимосвязанности признаков»// Узбекский журнал «Проблемы информатики и энергетики». – Ташкент, 2022. – № 6. – С.22-31
Braga-Neto U.M., Dougherty E.R. Error Estimation for Pattern Recognition. – New York: Springer, 2016. – 312 p.
Загрузки
Дополнительные файлы
Опубликован
Как цитировать
Лицензия
Copyright (c) 2023 Azizbek Tillavoldiyev, Sobirjon Radjabov, Gulmira Mirzayeva, J.A. Allayorov
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
