OS-GLCM computer system designed to generate a GLCM matrix for the digital image of oilseed rape

• Autorzy: Okoń P. , Boniecki P. , Kozłowski R. J. , Górna K. , Jurek P. , Fojud A.

Warianty tytułu

PL

System informatyczny OS-GLCM przeznaczony do generowania macierzy GLCM opisującej teksturę obrazów cyfrowych rzepaku

• Języki publikacji: EN

Abstrakty

EN

The purpose of this paper is to produce original software for calculating the GLCM matrix and its properties. Application mechanics is based on two AForge.Net library for image segmentation, and the Accord.Net library for calculating the GLCM matrix. The application mechanics have included the ability to calculate the GLCM matrix at the given accounts. The application is equipped with functions that calculate the properties of the matrix as a full complement of the problem. Generated matrix properties are saved to a CSV file, or added to an existing one according to user preferences. Digital images of rape leaves constitute a research material used in the work.

PL

Celem niniejszej pracy jest wytworzenie oryginalnego oprogramowania do obliczania macierzy GLCM, oraz jej właściwości. Mechanika aplikacji opiera się na dwóch bibliotekach AForge.Net do segmentacji obrazu, oraz biblioteka Accord.Net do obliczania macierzy GLCM. W mechanice aplikacji uwzględniono możliwość obliczania macierzy GLCM przy zadanych kontach. Aplikacja została wyposażona w funkcje obliczające właściwości macierzy, co pełni formę uzupełnienia zagadnienia. Wygenerowane właściwości macierzy zastają zapisane do pliku CSV, lub dopisane do już istniejącego wedle preferencji użytkownika. Materiałem badawczym wykorzystanym w pracy, są obrazy cyfrowe liści rzepaku.

Słowa kluczowe

EN

GLCM matrix; disease; oilseed rape

PL

macierz GLCM; choroba; rzepak

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Journal of Research and Applications in Agricultural Engineering
• Rocznik: 2017
• Tom: Vol. 62, nr 4
• Strony: 41--44
• Opis fizyczny: Bibliogr. 14 poz., tab., zdj.

Twórcy

autor

Okoń P.

• Uniwersytet Przyrodniczy w Poznaniu, Wydział Rolnictwa i Bioinżynierii, Instytut Inżynierii Biosystemów ul. Wojska Polskiego 27, 60-637 Poznań, Poland

autor

Boniecki P.

• Uniwersytet Przyrodniczy w Poznaniu, Wydział Rolnictwa i Bioinżynierii, Instytut Inżynierii Biosystemów ul. Wojska Polskiego 27, 60-637 Poznań, Poland

autor

Kozłowski R. J.

• Uniwersytet Przyrodniczy w Poznaniu, Wydział Rolnictwa i Bioinżynierii, Instytut Inżynierii Biosystemów ul. Wojska Polskiego 27, 60-637 Poznań, Poland

autor

Górna K.

• Uniwersytet Przyrodniczy w Poznaniu, Wydział Rolnictwa i Bioinżynierii, Instytut Inżynierii Biosystemów ul. Wojska Polskiego 27, 60-637 Poznań, Poland

autor

Jurek P.

• Uniwersytet Przyrodniczy w Poznaniu, Wydział Rolnictwa i Bioinżynierii, Instytut Inżynierii Biosystemów ul. Wojska Polskiego 27, 60-637 Poznań, Poland

autor

Fojud A.

• Uniwersytet Przyrodniczy w Poznaniu, Wydział Rolnictwa i Bioinżynierii, Instytut Inżynierii Biosystemów ul. Wojska Polskiego 27, 60-637 Poznań, Poland

Bibliografia

• [1] Boniecki P., Przybył J., Zaborowicz M., Górna K., Dach J., Okoń P., Przybył K., Mioduszewska N., Idziaszek P.: SOFMtype artificial neural network for the non-parametric qualitybased classification of potatoes. Proc. SPIE 10033, Eighth International Conference on Digital Image Processing (ICDIP 2016), 100332F (August 29, 2016); doi: 10.1117/12.2243907.
• [2] Boniecki P.: Elementy modelowania neuronowego w rolnictwie. Wydawnictwo Uniwersytetu Przyrodniczego w Poznaniu, 2008.
• [3] Diepenbrock W.: Yield analysis of winter oilseed rape (Brassica napus L.): a review. Field Crops Research, 2000, Volume 67, 1, 35-49.
• [4] Dobek T.K.: Evaluation of economic effectiveness and power consumption for farming of winter rapeseed and winter wheat utilized for biofuel production. Polskie Towarzystwo Inżynierii Rolniczej, 2007, 11, 6 (94), 41-48.
• [5] Górna K., Zaborowicz M., Jaśkowski B.M., Jaśkowski J.M., Boniecki P., Okoń P., Kozłowski R.J., Przybył J.: Neural analysis of bovine ovaries ultrasound images in the identification process of the corpus luteum - preliminary study, 2016. Proc. SPIE 10033, Eighth International Conference on Digital Image Processing (ICDIP 2016), 1003315 (August 29, 2016); doi:10.1117/12.2248318.
• [6] Jesk M.: Projekt i implementacja komputerowej metody detekcji porażenia roślin uprawnych przez choroby z wykorzystaniem sztucznych sieci neuronowych. Praca inżynierska. Uniwersytet Przyrodniczy w Poznaniu, 2016.
• [7] Koszela K., Weres J., Boniecki P., Zaborowicz M., Przybył J., Dach J., Pilarski K., Janczak D.: Computer image analysis in the quality procedure for selected carrot varieties. Proc. SPIE 8878, Fifth International Conference on Digital Image Processing (ICDIP 2013), 887811 (July 19, 2013); doi:10.1117/12.2030701.
• [8] Kozłowski R.J., Kozłowski J., Przybył K., Niedbała G., Mueller W., Okoń P., Wojcieszak D., Koszela K., Kujawa S.: Image analysis techniques in the study of slug behavior. Proc. SPIE 10033, Eighth International Conference on Digital Image Processing (ICDIP 2016), 100332I (August 29, 2016); doi:10.1117/12.2244533.
• [9] Kubik T., Paluszyński W., Iwaniak A., Tymków P.: Klasyfikacja obrazów rastrowych z wykorzystaniem sztucznych sieci neuronowych i statystycznych metod klasyfikacji. Wydawnictwo Uniwersytetu Przyrodniczego we Wrocławiu, 2008.
• [10] Mączyńska A., Głazek M., Krzyzińska B., Banachowska J.: Occurrence of winter oilseed rape pathogens in 1999 and 2000 years. Rośliny Oleiste, 2001, Volume XXII, 127-138.
• [11] Okoń P., Kozłowski R.J., Zaborowicz M., Górna K., Ludwiczak A., Ślósarz P., Janiszewski P., Strzeliński P., Jurek P., Koszela K., Boniecki P., Przybył J.: Possibilities for the use of edge detection algorithms in the analysis of images of oilseed rape leaves. Proc. SPIE 10033, Eighth International Conference on Digital Image Processing (ICDIP 2016), 100331M (August 29, 2016); doi: 10.1117/12.2248329.
• [12] Przybylak A., Boniecki P., Zaborowicz M., Mo Z., Przybył K.: Przykłady wykorzystania modelowania neuronowego w praktyce rolniczej. Technika Rolnicza Ogrodnicza Leśna, 2013, 1.
• [13] Rudowicz-Nawrocka J., Tomczak R.J., Nowakowski K., Mueller W., Kujawa S.: Development of Software for Airborne Photos Analysis, 2014. Proc. SPIE 9159, Sixth International Conference on Digital Image Processing (ICDIP 2014), 915928 (April 16, 2014); doi:10.1117/12.2064836.
• [14] Sharma N., Ray A.K., Sharma S., Shukla K.K., Pradhan S., Aggarwal L.M.: Segmentation and classification of medical images using texture-primitive features: Application of Bamtype artificial neural network. Journal of Medical Physics, 2008, 33(3): 119-126, doi: 10.4103/0971-6203.42763.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).