Determination of Color Properties of Weed Using Image Processing

Abstract

Image processing technique has come up with advancement of computer technology and has recently been widely used. This technique consists of two parts. In the first part, the input such as an image or a video obtained by a camera or a scanner is digitized. In the second part, some characteristics or parameters related to the image is gathered by using algorithms. By the improvements that took place in the area of image processing, the technique is now very popular in agricultural field and is an alternative method in identification of weeds, determination of their intensity and color properties. In this study, the color properties of three weeds; Chenopodium album L., Sonchus hierrensis, Lectuca serriola obtained by a digital camera and a Chroma meter were compared.

Keywords

• Image processing,weed,color properties

Görüntü İşleme Tekniği İle Yabancı Ot Renk Özelliklerinin Belirlenmesi

Öz

Görüntü işleme tekniği, bilgisayar teknolojisinin gelişimine bağlı olarak ortaya çıkan ve yaygın kullanım alanı bulan bir yöntemdir. Bu yöntem, kamera, fotoğraf makinası veya tarayıcı tarafından elde edilen hareketli veya sabit bir görüntünün önce sayısal dönüşüme tabi tutulması, sonrasında da bu sayısal verinin algoritmalar yardımı ile anlamlandırılması işlemlerini içermektedir. Teknolojik gelişmeler, görüntü işleme tekniklerini pek çok alanda olduğu gibi tarımsal alandaki çeşitli uygulamalarda da popüler hale getirmiş, yabancı otların tanımlanması, yoğunluklarının tespit edilmesi ve renk özelliklerinin belirlenmesinde görüntü işleme teknikleri kullanılabilir metotlar arasında yerini almıştır. Bu çalışmada, dijital kamera görüntüleri ve renk ölçüm cihazı ile elde edilen Sirken (Chenopodium album L.), Yabani Marul (Lectuca serriola) ve Eşek marulu (Sonchus hierrensis) yabancı otlarına ait renk özellikleri karşılaştırılmıştır.

Anahtar Kelimeler

• Görüntü işleme,yabancı ot,renk özellikleri

References

1. Ağın, O., 2014. Buğday Üretiminde Yabancı Ot Yoğunluğunun Görüntü İşleme Teknikleri Kullanılarak Belirlenmesi. Yüksek Lisans Tezi, Ondokuz Mayıs Üniversitesi Fen Bilimleri Enstitüsü, Samsun.
2. Bakker T, Wouters H, Asselt K, Bontsema J, Tang L, Müller J, Straten G (2008). A vision based row detection system for sugar beet. Computers and Electronics in Agriculture, 60: 87-95.
3. Chen X., Xun Y., Li W., Zhang J., 2010. Combining discriminant analysis and neural networks for corn variety identification, Computers and Electronics in Agriculture, 71, 48-53.
4. Çoruh, İ., Boydaş, M.G., 2007. Buğday Tarımında Değişik Toprak İşleme Aletlerinin ve Çalışma Hızlarının Yabancı ot Yoğunluğu Üzerine Etkisi. Yüzüncü Yıl Üniversitesi Ziraat Fakültesi Tarım Bilimleri Dergisi, 17(1):29-43.
5. Demir, B.,2012. Silajlık Mısırda (Zea mays L.) Farklı Yabancı Ot Mücadele Yöntemlerinin Etkinliği ve Verim Parametreleri Üzerine Etkisi. Doktora Tezi, Atatürk Üniversitesi Fen Bilimleri Enstitüsü, Erzurum.
6. Karabacak, H., 2007. Bitki Yüzey Artığı Kaplama Oranının Görüntü İşleme Tekniğiyle Belirlenmesi. Yüksek Lisans Tezi, Ankara Üniversitesi Fen Bilimleri Enstitüsü, Ankara.
7. Kuncan, M., Ertunç, H. M., Küçükyıldız, G., Hızarcı, B., Ocak, H., Öztürk, S. 2013. Görüntü İşleme Tabanlı Zeytin Ayıklama Makinesi. Yüksek Lisans Tezi, Kocaeli Üniversitesi, Fen Bilimleri Enstitüsü, Kocaeli.
8. Mustafa, N. B. A., Fuad, N. A., Ahmed, S. K., Abidin, A. A. Z., Ali, Z., Yit, W. B., Sharrif, Z. A. M., 2008. Image processing of an agriculture produce: Determination of size and ripeness of a banana. In 2008 International Symposium on Information Technology (Vol. 1, pp. 1-7). IEEE.

9. Örge, G., 2012. Farklı Kültür Bitkileri ve Yabancı Otların Renk Özelliklerinin Görüntü İşleme Tekniği İle Belirlenmesi. Yüksek Lisans Tezi, Namık Kemal Üniversitesi Fen Bilimleri Enstitüsü, Tekirdağ.
10. Sabancı, K., AYDIN, C., 2014. Görüntü İşleme Tabanlı Hassas İlaçlama Robotu. Tarım Bilimleri Dergisi, 20(4), 406-414.
11. Zhao, Y., Wang, D., Qian, D., 2009. Machine vision based image analysis for the estimation of pear external quality. In Intelligent Computation Technology and Automation, 2009. ICICTA'09. Second International Conference on (Vol. 1, pp. 629-632). IEEE.