Weed detection using chlorophyll fluorescence imaging and artificial neural network

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F25328859%3A_____%2F05%3A%230000060" target="_blank" >RIV/25328859:_____/05:#0000060 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Weed detection using chlorophyll fluorescence imaging and artificial neural network

Original language description

We developed the concept of Tyystjarvi et al. (1999) who proposed a new approach to automate the weed identification using specific characteristic features in fluorescence kinetics of individual plant species. We used chlorophyll fluorescence imaging technique by an open imaging fluorometer FluorCam. The measurement on Apera spica-venti, Galium aparine, Stellaria media, Tripleurospermum inodorum as a representatives of weed species and Triticum aestivum, Brassica napus, Beta vulgaris, Helianthus annus as crop representatives were made at two different growth stages. The measurement shows high discrimination ability of the method at cotyledons (first leaf) stage with decreasing sensitivity. To improve the recognition accuracy, we used the artificial neural network classifier, trained on at least 100 plants. The classification rate for discrimination between crops and G. aparine ranged between 90 and 100%. Discrimination between individual weed species the discrimination rate ranged betw

Czech name

Detekce plevelů pomocí zobrazování chlorofylové fluorescence a umělé neuronové sítě

Czech description

Dále jsme rozvíjeli koncepci Tyystjarvi et al. (1999), kteří navrhli nový postup automatizované identifikace plevelů pomocí specifických znaků v kinetice fluorescence jednotlivých druhů rostlin. Použili jsme metodu zobrazování chlorofylové fluorescence svyužitím fluorometru FlurCam s otevřenou verzí. Měření na Apera spica-venti, Galium aparine, Stellaria media, Tripleurospermum inodorum jako zástupcích druhů plevelů a Triticum aestivum, Brassica napus, Beta vulgaris, Helianthus annus jako zástupcích plodin bylo provedeno ve dvou růstových fázích. Měření ukazuje vysokou rozlišovací schopnost metody ve fázi děložních lístků (první list) se snižující se citlivostí při pozdějším měření. Ke zlepšení přesnosti rozpoznání jsme využili klasifikátoru umělé neuronové sítě trénované alespoň na 100 rostlinách. Stupeň rozlišení plodin a G. aparine se pohyboval v rozmezí 90-100%. V pokusu s rozlišením jednotlivých druhů plevelů byl stupeň rozlišení 85-100%.

Type

D - Article in proceedings

CEP classification

GF - Diseases, pests, weeds and plant protection

OECD FORD branch

—

Project

<a href="/en/project/QD1350" target="_blank" >QD1350: Development of protection against important diseases and pests of cereals, oilseed rape and peas aimed at supplementation of integrated crop protection systems</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2005

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

13th EWRS Symposium

ISBN

90-809789-1-4

ISSN

—

e-ISSN

—

Number of pages

2

Pages from-to

—

Publisher name

EWRS

Place of publication

Bari

Event location

Bari

Event date

Jun 19, 2005

Type of event by nationality

WRD - Celosvětová akce

UT code for WoS article

—