Weed recognition by SVM texture feature classification in outdoor vegetable crops images
Tipo de contenido
Artículo de revista
Idioma del documento
EspañolFecha de publicación
2017-01-01Resumen
This paper presents a classification system for weeds and vegetables from outdoor crop images. The classifier is based on support vector machine (SVM) with its extension to nonlinear case using radial basis function (RBF) and optimizing its scale parameter σ to smooth the decision boundary. The feature space is the result of principal component analysis (PCA) for 10 texture measurements calculated from gray level co-occurrence matrices (GLCM). The results indicate that classifier performance is above 90%, validated with specificity, sensitivity and precision calculations.Resumen
El presente trabajo expone un sistema de clasificación de maleza y hortalizas a partir de imágenes exteriores de cultivos. El clasificador está basado en la teoría de las máquinas de vectores de soporte (Support Vector Machine SVM) con su extensión para el caso no lineal, haciendo uso de la función de base radial (RBF) y optimizando su parámetro de escala σ para suavizar la región de decisión. El espacio de características es el resultado del análisis por componentes principales (PCA) de 10 medidas de textura calculadas a partir de matrices de co-ocurrencia en niveles de gris (GLCM). Los resultados indican un rendimiento del clasificador por encima del 90% calculando los índices de especificidad, sensibilidad y precisión.Palabras clave
Colecciones
- Ingeniería e Investigación [1332]
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial 4.0.Este documento ha sido depositado por parte de el(los) autor(es) bajo la siguiente constancia de depósito