In [1], they discussed about automa

In [1], they discussed about automatic detection and
classification of diseases. Plant disease spots are different in
color but not in intensity. Thus color transform of RGB
image is used for better segmentation of disease spots.
Median filter is used for image smoothing and Otsu method
is used to calculate threshold values to detect the disease
spot. It doesn’t give accurate result for Dicot family plant.
P. Revathi and M. Hemalatha [4] investigated advance
computing technology to assists the farmer in plant
development process. This approach used mobile to capture
infected cotton leaf images. RGB color feature segmentation
is carried out to get disease spots. Edge detection technique
is used for extraction of image features of spots to detect
diseases. Neural network is used to categorize the diseases.
The segmentation process is not suitable for Monocot family
plant.

ผลลัพธ์ (ไทย) 1:

ใน [1], ที่กล่าวถึงเกี่ยวกับการตรวจหาอัตโนมัติ และการจำแนกประเภทของโรค จุดโรคพืชจะแตกต่างกันในสีแต่ไม่เข้ม ดังนั้นการแปลงสีของ RGBภาพใช้สำหรับแบ่งกลุ่มโรคจุดดีกว่าใช้ตัวกรองค่าเฉลี่ยสำหรับปรับภาพและวิธีโอสึใช้ในการคำนวณค่าขีดจำกัดการตรวจหาโรคจุด มันไม่ให้ผลแม่นยำ Dicot ครอบครัวโรงP. Revathi และ M. Hemalatha [4] การตรวจสอบล่วงหน้าคอมพิวเตอร์เทคโนโลยีเพื่อช่วยเกษตรกรในพืชกระบวนการพัฒนา วิธีการนี้ใช้มือถือถ่ายภาพใบฝ้ายติดเชื้อ แบ่งกลุ่มคุณลักษณะของสี RGBจะดำเนินการได้รับโรคจุด เทคนิคการตรวจจับขอบใช้สำหรับแยกภาพคุณสมบัติของจุดตรวจสอบโรค ข่ายประสาทถูกใช้เพื่อจัดประเภทโรคกระบวนการแบ่งเซ็กเมนต์ไม่เหมาะสำหรับครอบครัวคนโรงงาน

ผลลัพธ์ (ไทย) 2:

ใน [1] พวกเขาพูดคุยเกี่ยวกับการตรวจสอบโดยอัตโนมัติและ
การจำแนกประเภทของโรค จุดโรคพืชแตกต่างกันใน
สี แต่ไม่ได้อยู่ในความเข้ม ดังนั้นสี RGB เปลี่ยนของ
ภาพที่จะใช้สำหรับการแบ่งส่วนที่ดีขึ้นของโรคจุด.
มัธยฐานกรองจะใช้สำหรับภาพที่ราบเรียบและวิธี Otsu
จะใช้ในการคำนวณค่าเกณฑ์ในการตรวจสอบโรค
จุด มันไม่ได้ให้ผลที่ถูกต้องสำหรับพืชครอบครัว Dicot.
พี Revathi เมตรและ Hemalatha [4] การตรวจสอบล่วงหน้า
เทคโนโลยีคอมพิวเตอร์เพื่อช่วยเกษตรกรในโรงงาน
กระบวนการพัฒนา วิธีการนี้ใช้โทรศัพท์มือถือในการจับ
ภาพใบฝ้ายที่ติดเชื้อ RGB คุณลักษณะสีแบ่งส่วน
จะดำเนินการเพื่อให้ได้จุดโรค เทคนิคการตรวจหาขอบ
ถูกนำมาใช้ในการสกัดองค์ประกอบภาพของจุดในการตรวจสอบ
โรค โครงข่ายประสาทเทียมจะใช้ในการจัดหมวดหมู่โรค.
ขั้นตอนการแบ่งส่วนไม่เหมาะสำหรับครอบครัว monocot
พืช

ผลลัพธ์ (ไทย) 3:

ใน [ 1 ] พวกเขากล่าวเกี่ยวกับการตรวจสอบโดยอัตโนมัติและการจำแนกโรค สปอตโรคพืชที่มีสีแต่ไม่ใช่ในความเข้ม ดังนั้นการแปลง RGB สีภาพที่ใช้ในการแบ่งส่วนของจุดที่ดีกว่าโรคตัวกรองมัธยฐาน ใช้ และวิธีการทำภาพให้เรียบ ออทึซุใช้คำนวณหาค่าเกณฑ์การตรวจสอบโรคจุด มันไม่ให้ผลที่ถูกต้องสำหรับพืชตระกูลพืชใบเลี้ยงคู่ .หน้า revathi และ hemalatha [ 4 ] ตรวจสอบล่วงหน้าเทคโนโลยีคอมพิวเตอร์เพื่อช่วยเกษตรกรในพืชการพัฒนากระบวนการ วิธีนี้ใช้สำหรับจับภาพติดเชื้อผ้าฝ้ายใบภาพ สี RGB ) ประกอบด้วยจะดําเนินการเพื่อให้ได้จุดเกิดโรค เทคนิคการตรวจจับขอบใช้สำหรับการสกัดคุณลักษณะของภาพที่จุดตรวจโรค โครงข่ายประสาทเทียมจะใช้ในการแบ่งหมวดหมู่ของโรคขั้นตอนการตัดไม่เหมาะสำหรับครอบครัวพืชใบเลี้ยงเดี่ยวพืช