The gap between the current capabil

The gap between the current capabilities of image-based methods for automatic plant
disease identification and the real-world needs is still wide. Although advances have been
made on the subject, most methods are still not robust enough to deal with a wide variety
of diseases and plant species. This paper proposes a method for disease identification,
based on colour transformations, colour histograms and a pairwise-based classification
system. Its performance was tested using a large database containing images of symptoms
belonging to 82 different biotic and abiotic stresses, affecting the leaves of 12 different
plant species. The wide variety of images used in the tests made it possible to carry out an
in-depth investigation about the main advantages and limitations of the proposed algo-
rithm. A comparison with other algorithms is also presented, and some possible solutions
for the main challenges that still prevent this kind of tool to be adopted in practice.

ผลลัพธ์ (ไทย) 1:

ช่องว่างระหว่างความสามารถในปัจจุบันของวิธีขึ้นรูปสำหรับโรงงานอัตโนมัติระบุโรคและโลกแห่งความจริงต้องการความกว้างยังคง แม้ว่าความก้าวหน้าได้ทำในเรื่อง วิธีการส่วนใหญ่จะยังคงไม่แข็งแรงพอจะจัดการกับความหลากหลายของโรคและชนิดพืช กระดาษนี้เสนอวิธีการในการระบุโรคจากการเปลี่ยนแปลงสี สีฮิสโตแกรมและการจัดประเภทตามแพร์ไวส์ระบบ ทดสอบประสิทธิภาพการทำงานโดยใช้ฐานข้อมูลขนาดใหญ่ที่ประกอบด้วยภาพอาการเป็นของ 82 แตกไบโอติก และ abiotic เครียด ส่งผลกระทบต่อใบของ 12 แตกต่างกันชนิดพืช ภาพที่ใช้ในการทดสอบที่หลากหลายทำให้สามารถดำเนินการตรวจสอบในเชิงลึกเกี่ยวกับหลักข้อดีและข้อจำกัดของ algo - เสนอrithm การเปรียบเทียบกับอัลกอริทึมอื่น ๆ ยังเป็นโซลูชั่นที่นำเสนอ และเป็นไปได้บางสำหรับความท้าทายหลักที่ยังคง ทำให้ชนิดของเครื่องมือจะถูกนำมาใช้ในทางปฏิบัตินี้

ผลลัพธ์ (ไทย) 2:

ช่องว่างระหว่างความสามารถในปัจจุบันวิธีการภาพที่ใช้สำหรับพืชอัตโนมัติ
บัตรประจำตัวของโรคและความต้องการที่แท้จริงของโลกยังคงเป็นที่กว้าง แม้ว่าความก้าวหน้าได้รับการ
ทำในเรื่องวิธีการส่วนใหญ่ยังคงไม่แข็งแกร่งพอที่จะจัดการกับความหลากหลาย
ของโรคและพันธุ์พืช บทความนี้นำเสนอวิธีในการจำแนกโรค
ขึ้นอยู่กับการเปลี่ยนแปลงสี histograms สีและคู่ตามการจัดหมวดหมู่
ระบบ ประสิทธิภาพการทำงานได้รับการทดสอบโดยใช้ฐานข้อมูลขนาดใหญ่ที่มีภาพของอาการ
ที่อยู่ใน 82 ความเครียดชีวิตและ Abiotic ที่แตกต่างกันมีผลต่อใบที่แตกต่างกัน 12
สายพันธุ์พืช ความหลากหลายของภาพที่ใช้ในการทดสอบทำให้มันเป็นไปเพื่อดำเนินการ
สอบสวนในเชิงลึกเกี่ยวกับข้อได้เปรียบหลักและข้อ จำกัด ของอัเสนอ
rithm การเปรียบเทียบกับขั้นตอนวิธีอื่น ๆ นำเสนอและการแก้ปัญหาที่เป็นไปได้
สำหรับความท้าทายหลักที่ยังคงป้องกันไม่ให้ชนิดของเครื่องมือนี้จะนำมาใช้ในทางปฏิบัติ

ผลลัพธ์ (ไทย) 3:

ช่องว่างระหว่างความสามารถในปัจจุบันของพืชเป็นวิธีอัตโนมัติการจำแนกโรคและความต้องการใช้ยังคงกว้าง แม้ว่าความก้าวหน้าได้ทำในเรื่องวิธีการส่วนใหญ่จะยังไม่แข็งแกร่งพอที่จะจัดการกับความหลากหลายของโรคและชนิดของพืช บทความนี้เสนอวิธีการสำหรับการระบุโรคตามแบบ สี สี และคู่จำแนกตามปีระบบ ประสิทธิภาพของการทดสอบการใช้ฐานข้อมูลขนาดใหญ่ที่มีรูปของอาการที่อยู่ 82 ต่างมีชีวิตและไม่มีชีวิตได้อย่างเหมาะสม ความเครียด ที่ส่งผลต่อใบ 12 ชนิดชนิดพืช ความหลากหลายของภาพที่ใช้ในการทดสอบ ทำให้มันเป็นไปได้ที่จะดำเนินการเป็นการตรวจสอบในเชิงลึกเกี่ยวกับข้อดีและข้อจำกัดของการนำเสนออัลโก -rithm . เปรียบเทียบกับอัลกอริทึมอื่น ๆ นอกจากนี้ยังนำเสนอโซลูชั่นและเป็นไปได้สำหรับความท้าทายหลักที่ยังคงป้องกันชนิดนี้ของเครื่องมือที่จะนำมาใช้ในการปฏิบัติงาน