TH129783A - Photo identification process of rice pests - Google Patents

Photo identification process of rice pests

Info

Publication number
TH129783A
TH129783A TH1301001267A TH1301001267A TH129783A TH 129783 A TH129783 A TH 129783A TH 1301001267 A TH1301001267 A TH 1301001267A TH 1301001267 A TH1301001267 A TH 1301001267A TH 129783 A TH129783 A TH 129783A
Authority
TH
Thailand
Prior art keywords
insects
rice
image
photographs
field
Prior art date
Application number
TH1301001267A
Other languages
Thai (th)
Other versions
TH103806B (en
Inventor
วัชรบุศราคำ นางสาวศรินทร์
สินธุภิญโญ นายวศิน
เมธเศรษฐ นายอิทธิพันธ์
Original Assignee
นางสาวน้ำฝน โอวศิริกุล
นางสาวอรุณศรี ศรีธนะอิทธิพล
นายชาญชัย นีรพัฒนกุล
สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ
Filing date
Publication date
Application filed by นางสาวน้ำฝน โอวศิริกุล, นางสาวอรุณศรี ศรีธนะอิทธิพล, นายชาญชัย นีรพัฒนกุล, สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ filed Critical นางสาวน้ำฝน โอวศิริกุล
Publication of TH129783A publication Critical patent/TH129783A/en
Publication of TH103806B publication Critical patent/TH103806B/en

Links

Abstract

OCR 29/11/2566 การประดิษฐ์นี้แสดงถึงวิธีการจำแนกและนับจำนวนแมลงจากภาพถ่ายในนาข้าว โดยพื้นหลังของ ภาพเป็นไปตามสภาพแวดล้อมจริง ประกอบด้วย ขั้นตอนดังนี้ ขั้นตอนการถ่ายภาพต้นข้าวในแปลงนา ขั้นตอนการสกัดพื้นหลังออกจากแมลง ขั้นตอนการหาวัตถุในภาพ ขั้นตอนการกำหนดบริเวณตัวแมลง ขั้นตอนการดึงลักษณะสำคัญ ขั้นตอนการจำแนกตัวแมลง และขั้นตอนการนับตัวแมลง เมื่อผู้ใช้ต้องการ นับจำนวนแมลงก็ทำการถ่ายภาพต้นข้าวในนาข้าวแล้วระบบจะทำการประมวลผลและแสดงผลให้ทราบ โดยวิธีการตามการประดิษฐ์นี้ สามารถจำแนกและนับจำนวนแมลงทั้ง 10 ชนิด คือ เพลี้ยไฟ, เพลี้ย กระโดดสีน้ำตาล, เพลี้ยจักจั่นสีเขียว, หนอนกอ, หนอนห่อใบข้าว, แมลงหล่า, เพลี้ยจักจั่นปีกลายหยัก, ด้วงเต่า, ด้วงก้นกระดก และแมลงอื่นในภาพ โดยพื้นหลังของภาพเป็นไปตามสภาพแวดล้อมจริง เนื่องจากในแปลงนาแต่ละแปลงก็มีสภาวะแวดล้อมแตกต่างกันไปOCR 29/11/2023 This invention demonstrates a method for classifying and counting insects from rice field photographs, where the background of the image is based on the real environment. It consists of the following steps: step by step for taking photos of rice plants in the field, step by step for extracting background from insects, step by step for finding objects in the image, step by step for determining insect areas, step by step for extracting important characteristics, step by step for classifying insects, and step by step for counting insects. When the user wants to count the number of insects, he takes photos of the rice plants in the field and the system will process and display the results. By the method of this invention, it is possible to classify and count the number of 10 types of insects, namely, thrips, brown planthoppers, green leafhoppers, stem borers, rice leaf rollers, rice beetles, serrated leafhoppers, ladybugs, rove beetles, and other insects in the image, where the background of the image is based on the real environment, as each rice field has different environmental conditions.

Claims (1)

1. : DC60 (13/03/56) การประดิษฐ์นี้เเสดงถึงวิธีการจำเเนกเเละนับจำนวนเเมลงจากภาพถ่ายในนาข้าว โดยพื้นหลังของ ภาพเป็นไปตามสภาพเเวดล้อมจริง ประกอบด้วย ขั้นตอนดังนี้ ขั้นตอนการถ่ายภาพต้นข้าวในเเปลงนา ขั้นตอนการสกัดพื้นหลังออกจากเเมลง ขั้นตอนการหาวัตถุในภาพ ขั้นตอนการกำหนดบริเวณตัวเเมลง ขั้นตอนการดึงลักษณะสำคัญ ขั้นตอนการจำเเนกตัวเเมลง เเละขั้นตอนการนับตัวเเมลง เมื่อผู้ใช้ต้องการ นับจำนวนเเมลงก็ทำการถ่ายภาพต้นข้าวในนาข้าวเเล้วระบบจะทำการประมวลผลเเละเเสดงผลให้ทราบ โดยวิธีการตามการประดิษฐ์นี้ สามารถจำเเนกเเละนับจำนวนแมลงทั้ง 10 ชนิด คือ เพลี้ยไฟ, เพลี้ย กระโดดสีน้ำตาล, เพลี้ยจักจั่นสีเขียว, หนอนกอ, หนอนห่อใบข้าว, เเมลงหล่า, เพลี้ยจักจั่นปีกลายหยัก, ด้วงเต่า, ด้วงก้นกระดก เเละเเมลงอื่นในภาพ โดยพื้นหลังของภาพเป็นไปตามสภาพเเวดล้อมจริง เนื่องจากในเเปลงนาเเต่ละเเปลงก็มีสภาวะเเวดล้อมเเตกต่างกันไป การประดิษฐ์นี้เเสดงถึงวิธีการจำเเนกเเละนับจำนวนเเมลงจากภาพถ่ายในนาข้าว โดยพื้นหลังของ ภาพเป็นไปตามสภาพเเวดล้อมจริง ประกอบด้วย ขั้นตอนดังนี้ ขั้นตอนการถ่ายภาพต้นข้าวในเเปลงนา ขั้นตอนการสกัดพื้หลังออกจากเเมลง ขั้นตอนการหาวัตถุในภาพ ขั้นตอนการกำหนดบริเวณตัวเเมลง ขั้นตอนการดึงลักษณะสำคัญ ขั้นตอนการจำเเนกตัวเเมลง เเลขั้นตอนการนับตัวเเมลง เมื่อผู้ใช้ต้องการ นับจำนวนเเมลงก็ทำการถ่ายภาพต้นข้าวในนาข้าวเเล้วระบบจะทำการประมวลผลเเละเเสดงผลให้ทราบ โดยวิธีการตามการประดิษฐ์นี้ สามารถจำเเนกเเละนับจำนวนทั้ง 10 ชนิด คือ เพลี้ยไฟ เพลี้ย กระโดดสีน้ำตาล เพลี้ยจักจั่นสีเขียว หนอนกอ หนอนห่อใบข้าว เเมลงหล่า เพลี้ยจักดจั่นปีกลายหยัก ด้วงเต่า ด้วงก้นกระดก เเละเเมลงอื่นในภาพ โดยพื้นที่หลังของภาพเป็นไปตามสภาพเเวดล้อมจริง เนื่องจากในเเปลงนาเเต่ละเเปลงก็มีสภาวะเเวดล้อมเเตกต่างกันไปข้อถือสิทธิ์ (ข้อที่หนึ่ง) ซึ่งจะปรากฏบนหน้าประกาศโฆษณา : 1.กระบวนการจำเเนกเเมลงจากภาพถ่ายที่มีค่าสีระดับเทาในนาข้าวที่มีเเบบจำลองทางสถิติสำหรับ จำเเนกเเมลงอยู่ในระบบคอมพิวเตอร์ประกอบด้วยขั้นตอน การนำภาพถ่ายที่มีค่าสีระดับในนาข้าวมากรองให้เหลือเส้นเเนวตามนอนในภาพ การนำภาพถ่ายที่มีค่าสีระดับเทามนข้าวมาหาขอบภาพ การจัดกลุ่มพิกเซลในภาพถ่ายดังกล่าวที่ผ่านการหาขอบภาพ การหากลุ่มพิกเซลที่เป็นตัวเเทนของเเมลงจากการนำกลุ่มพิกเซลในภาพที่ผ่านการจัด กลุ่มมาเปรียบเทีแท็ก :1. : DC60 (13/03/56) This invention demonstrates a method for classifying and counting insects from rice field photographs, with the background of the image reflecting the real environment. It consists of the following steps: taking photographs of rice plants in the field, extracting backgrounds from insects, finding objects in the image, determining insect regions, extracting important characteristics, classifying insects, and counting insects. When the user wishes to count insects, he or she takes photographs of rice plants in the field, and the system will process and display the results. This method can classify and count 10 types of insects, namely, thrips, brown planthoppers, green leafhoppers, rice stem borers, rice leaf rollers, rice beetles, serrated leafhoppers, ladybird beetles, rove beetles, and other insects in the image, with the background of the image reflecting the real environment, as each rice field has different environmental conditions. This invention demonstrates a method for classifying and counting insects from rice field photographs, with the background of the image reflecting the real environment. It consists of the following steps: taking photographs of rice plants in the field, extracting the background from insects, finding objects in the image, defining insect areas, extracting important characteristics, classifying insects, and counting insects. When the user wishes to count insects, he or she takes photographs of rice plants in the field, and the system will process and display the results. The method of this invention can classify and count ten species of insects, namely, thrips, brown planthoppers, green leafhoppers, rice stem borers, rice leaf rollers, rice beetles, serrated leafhoppers, ladybird beetles, rove beetles, and other insects in the image, with the background of the image reflecting the real environment, as each rice field has different environmental conditions. Claim (The first point) which will appear on the advertisement page: 1. The process of classifying insects from photographs with grayscale values in rice fields that have statistical models for classifying insects in the computer system consists of the steps of filtering photographs with grayscale values in rice fields to leave horizontal lines in the image, using photographs with grayscale values to find the edges of the image, grouping pixels in the photographs that have been edge-searched, and finding groups of pixels that represent insects by comparing groups of pixels in the grouped images.
TH1301001267A 2013-03-13 The process of classifying rice pests from photographs TH103806B (en)

Publications (2)

Publication Number Publication Date
TH129783A true TH129783A (en) 2013-11-21
TH103806B TH103806B (en) 2024-10-07

Family

ID=

Similar Documents

Publication Publication Date Title
US9122958B1 (en) Object recognition or detection based on verification tests
Srestasathiern et al. Oil palm tree detection with high resolution multi-spectral satellite imagery
Petrellis Plant disease diagnosis for smart phone applications with extensible set of diseases
US9436682B2 (en) Techniques for machine language translation of text from an image based on non-textual context information from the image
CN111160434B (en) Training method and device for target detection model and computer readable storage medium
JP6495254B2 (en) Presenting the results of visual attention modeling
CN110210434A (en) Pest and disease damage recognition methods and device
WO2019109526A1 (en) Method and device for age recognition of face image, storage medium
EP4250081A3 (en) Notification display method and terminal
CN103020265B (en) The method and system of image retrieval
CN107679447A (en) Facial characteristics point detecting method, device and storage medium
US9721163B2 (en) Image processing apparatus, image processing method, and recording medium
EP2551796A3 (en) Image processing device identifying attribute of region included in image
CN102881160B (en) Outdoor traffic sign identification method under low-illumination scene
EP2731054A3 (en) Method and device for recognizing document image, and photographing method using the same
CN108229533A (en) Image processing method, model pruning method, device and equipment
CN110659588A (en) Passenger flow volume statistical method and device and computer readable storage medium
JP2020503886A (en) Methods, media and systems for detecting potato virus in crop images
CN112862849A (en) Image segmentation and full convolution neural network-based field rice ear counting method
CN110162459A (en) Test cases generation method, device and computer readable storage medium
Lee et al. Automatic recognition of flower species in the natural environment
US20200118297A1 (en) Image Retrieval Device And Method, Photograph Time Estimation Device And Method, Repetitive Structure Extraction Device And Method, And Program
CN108764248A (en) Image feature point extraction method and device
CN102915449B (en) A kind of photo classification method
TH129783A (en) Photo identification process of rice pests