The application of computer image analysis based on textural features for the identification of barley kernels infected with fungi of the genus Fusarium

• Autorzy: Ropelewska E.

Identyfikatory

DOI

10.1515/agriceng-2018-0026

Warianty tytułu

PL

Zastosowanie komputerowej analizy obrazu opartej o cechy teksturalne do identyfikacji ziarniaków jęczmienia porażonych przez grzyby z rodzaju Fusarium

• Języki publikacji: EN

Abstrakty

EN

The aim of this study was to develop discrimination models based on textural features for the identification of barley kernels infected with fungi of the genus Fusarium and healthy kernels. Infected barley kernels with altered shape and discoloration and healthy barley kernels were scanned. Textures were computed using MaZda software. The kernels were classified as infected and healthy with the use of the WEKA application. In the case of RGB, Lab and XYZ color models, the classification accuracies based on 10 selected textures with the highest discriminative power ranged from 95 to 100%. The lowest result (95%) was noted in XYZ color model and Multi Class Classifier for the textures selected using the Ranker method and the OneR attribute evaluator. Selected classifiers were characterized by 100% accuracy in the case of all color models and selection methods. The highest number of 100% results was obtained for the Lab color model with Naive Bayes, LDA, IBk, Multi Class Classifier and J48 classifiers in the Best First selection method with the CFS subset evaluator.

PL

Celem pracy było opracowanie modeli dyskryminacyjnych opartych o cechy teksturalne do identyfikacji ziarniaków jęczmienia porażonych przez grzyby z rodzaju Fusarium oraz ziarniaków zdrowych. Porażone ziarniaki jęczmienia o zmienionym kształcie i z przebarwieniami oraz zdrowe ziarniaki jęczmienia zostały zeskanowane. Tekstury zostały obliczone przy użyciu programu MaZda. Ziarniaki były klasyfikowane jako porażone i zdrowe z wykorzystaniem oprogramowania WEKA. W przypadku modeli barwnych RGB, Lab i XYZ, dokładność klasyfikacji w oparciu o 10 wyselekcjonowanych tekstur o największej mocy dyskryminacyjnej zawierała się w przedziale od 95 do 100%. Najmniejszy wynik (95%) odnotowano dla modelu barwnego XYZ i Multi Class Classifier dla tekstur wyselekcjonowanych za pomocą metody Ranker i ewaluatora atrybutów OneR. Wybrane klasyfikatory charakteryzowały się dokładnością 100% w przypadku wszystkich modeli barwnych i metod selekcji. Najwięcej wyników 100% uzyskano dla modelu barwnego Lab dla klasyfikatorów: Naive Bayes, LDA, IBk, Multi Class Classifier i J48 dla metody selekcji Best First z ewaluatorem CFS.

Słowa kluczowe

EN

barley kernels; fungal infections; textures; discriminative classifiers

PL

ziarniaki jęczmienia; infekcja grzybowa; tekstura; klasyfikatory dyskryminujące

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Agricultural Engineering
• Rocznik: 2018
• Tom: Vol. 22, No. 3
• Strony: 49--56
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Ropelewska E.

• Department of Systems Engineering, Faculty of Engineering, University of Warmia and Mazury in Olsztyn, Poland

Bibliografia

• Arabi, M.I.E., Allaf, A.W., Jawhar, M. (2012). Thermoanalytical study of barley seeds infected with Pyrenophora graminea. Journal of Plant Biology Research, 1(3), 119-123.
• Barbedo, J.G.A., Tibola, C.S., Fernandes, J.M.C. (2015). Detecting Fusarium head blight in wheat kernels using hyperspectral imaging. Biosystems Engineering, 131, 65-76.
• Barbedo, J.G.A., Tibola, C.S., Lima, M.I.P. (2017). Deoxynivalenol screening in wheat kernels using hyperspectral imaging. Biosystems Engineering, 155, 24-32.
• Bouckaert, R.R., Frank, E., Hall, M., Kirkby, R., Reutemann, P., Seewald, A., Scuse, D. (2016). WEKA Manual for Version 3-9-1. The University of Waikato, Hamilton, New Zealand.
• Choudhary, R., Paliwal, J., Jayas, D.S. (2008). Classification of cereal grains using wavelet, morphological, color, and textural features of non-touching kernel images. Biosystems Engineering, 99, 330-337.
• Hossain, M.Z., Goto, T. (2015). A rapid determination of ergosterol in grains using gas chromatography-mass spectrometry method without derivatization. Food Analytical Methods, 8, 1021-1026.
• Jin, F., Bai, G., Zhang, D., Dong, Y., Ma, L., Bockus, W., Dowell, F. (2014). Fusarium-damaged kernels and deoxynivalenol in Fusarium-infected U.S. winter wheat. Phytopathology, 104(5), 472-478.
• Jin, Zh., Zhou, B., Gillespie, J., Gross, Th., Barr, J., Simsek, S., Brueggeman, R., Schwarz, P. (2018). Production of deoxynivalenol (DON) and DON-3-glucoside during the malting of Fusarium infected hard red spring wheat. Food Control, 85, 6-10.
• Jirsa, O., Polišenska, I. (2011). Identification of Fusarium damaged wheat kernels using image analysis. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 59, 125-130.
• Karlsson, I., Friberg, H., Kolseth, A.K., Steinberg, Ch., Persson, P. (2017). Agricultural factors affecting Fusarium communities in wheat kernels. International Journal of Food Microbiology, 252, 53-60.
• Legrand, F., Picot, A., Cobo-Díaz, J.F., Chen, W., Le Floch, G. (2017). Challenges facing the biological control strategies for the management of Fusarium Head Blight of cereals caused by F. graminearum. Biological Control, 113, 26-38.
• Menesatti, P., Antonucci, F., Costa, C., Santori, A., Niciarelli, I., Infantino, A. (2009). Application of morphometric image analysis system to evaluate the incidence of Fusarium head blight wheat infected kernels. In: Proceedings of Bornimer Agrartechnische Berichte–Heft, Potsdam, Berlin, Germany, 157-161.
• Paliwal, J., Visen, N.S., Jayas, D.S., White, N.D.G. (2003). Cereal grain and dockage identification using machine vision. Biosystems Engineering, 85(1), 51-57.
• Ropelewska, E., Zapotoczny, P. (2018). Classification of Fusarium-infected and healthy wheat kernels based on features from hyperspectral images and flatbed scanner images: a comparative analysis. European Food Research and Technology, 244, 1453-1462.
• Suproniene, S., Sakalauskas, S., Stumbriene, K., Zvirdauskiene, R., Svegzda, P. (2016). Variances in trichothecene chemotype distribution in Lithuanian wheat grain and within pure culture Fusarium graminearum isolated from the same grain samples. European Journal of Plant Pathology, 144, 371-381.
• Symons, S.J., Clear, R.M., Bell, K., Butler, C. (2002). Identifying wheat and barley seed affected by Fusarium head blight. Grain biology bulletin No.2 (3rd ed.) Grain Research Laboratory, Canadian Grain Commission, Winnipeg: Canada.
• Szczypiński, P.M., Strzelecki, M., Materka, A., Klepaczko, A. (2009). MaZda – A software package for image texture analysis. Computer Methods and Programs in Biomedicine, 94(1), 66-76.
• Zapotoczny, P. (2012). Application of image texture analysis for varietal classification of barley. International Agrophysics, 26, 81-90.