Spectral Identification of Disease in Weeds Using Multilayer Perceptron with Automatic Relevance Determination

التحديد الطيفي لأمراض الأعشاب الضارة باستخدام المدرك متعدد الطبقات مع التحديد التلقائي للملاءمة

Clicks: 284
ID: 111289
2018
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Steady

Ranked #980 of 1,694 articles by views in sensors

Most read Least read

Bar heights use a square-root scale. Only the 120 most-read articles are drawn; the journal has 1,694 in total.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
Microbotryum silybum, a smut fungus, is studied as an agent for the biological control of Silybum marianum (milk thistle) weed. Confirmation of the systemic infection is essential in order to assess the effectiveness of the biological control application and assist decision-making. Nonetheless, in situ diagnosis is challenging. The presently demonstrated research illustrates the identification process of systemically infected S. marianum plants by means of field spectroscopy and the multilayer perceptron/automatic relevance determination (MLP-ARD) network. Leaf spectral signatures were obtained from both healthy and infected S. marianum plants using a portable visible and near-infrared spectrometer (310–1100 nm). The MLP-ARD algorithm was applied for the recognition of the infected S. marianum plants. Pre-processed spectral signatures served as input features. The spectra pre-processing consisted of normalization, and second derivative and principal component extraction. MLP-ARD reached a high overall accuracy (90.32%) in the identification process. The research results establish the capacity of MLP-ARD to precisely identify systemically infected S. marianum weeds during their vegetative growth stage.
يُدرس فطر التفحم *Microbotryum silybum* بوصفه عاملاً للمكافحة الحيوية لعشبة شوك الحليب الضارة (*Silybum marianum*). ويُعد تأكيد الإصابة الجهازية أمراً جوهرياً لتقييم فعالية تطبيق المكافحة الحيوية والمساعدة في اتخاذ القرارات. ومع ذلك، فإن التشخيص في الموقع (in situ) ينطوي على تحديات جمة. ويوضح هذا البحث المعروض عملية التعرف على نباتات *S. marianum* المصابة جهازياً باستخدام المطيافية الحقلية وشبكة البيرسبترون متعدد الطبقات/التحديد التلقائي للملاءمة (MLP-ARD). وقد جرى الحصول على البصمات الطيفية للأوراق من نباتات *S. marianum* السليمة والمصابة على حد سواء باستخدام مطياف محمول يعمل في نطاق الضوء المرئي والأشعة تحت الحمراء القريبة (310–1100 نانومتر). وطُبقت خوارزمية MLP-ARD لتمييز نباتات *S. marianum* المصابة، حيث استُخدمت البصمات الطيفية المعالجة مسبقاً كسمات إدخال. واشتملت المعالجة المسبقة للأطياف على المعايرة القياسية (Normalization)، وحساب المشتقة الثانية، واستخراج المكونات الرئيسية. وقد حققت شبكة MLP-ARD دقة إجمالية عالية (90.32%) في عملية التمييز. وتثبت نتائج هذا البحث قدرة شبكة MLP-ARD على التحديد الدقيق لأعشاب *S. marianum* الضارة المصابة جهازياً خلال مرحلة نموها الخضري.
Reference Key
tamouridou2018sensorsspectral Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Afroditi Alexandra Tamouridou;Xanthoula Eirini Pantazi;Thomas Alexandridis;Anastasia Lagopodi;Giorgos Kontouris;Dimitrios Moshou;Tamouridou, Afroditi Alexandra;Pantazi, Xanthoula Eirini;Alexandridis, Thomas;Lagopodi, Anastasia;Kontouris, Giorgos;Moshou, Dimitrios;
Journal sensors
Year 2018
DOI
10.3390/s18092770
URL
https://www.mdpi.com/1424-8220/18/9/2770
Keywords
artificial intelligence precision agriculture plant pathology mlp-ard disease detection

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.