Classification of Kızıltepe Agricultural Land Images Based on Development in Different Period of Crops
Abstract
In this research, images of Kızıltepe (Mardin) agricultural land are classified based on development in different period of crops (1-sowing term, 2-little ripe term, 3-ripe term and 4-harvest term). The digital crop images are derived from TARIT (Agricultural Crop Forecast and Following Project) stations. The texture feature vectors are obtained from images of different crop periods with using Gray Level Co-Occurrence Matrix (GLCM) and Law’s Texture Energy Measure (TEM) which are very popular methods for image texture extraction. GLCM and TEM based feature vectors are applied to different type of classifiers as inputs and the performance results of each system are compared.For classification the crop images, Multilayer Perceptron (MLP) neural network, k-Nearest Neighbor (k- NN) and Support Vector Machine (SVM) methods are used. While the best performance is observed as 100% in GLCM based SVM classifier only, the same performance is observed in TEM based all classifier types. Texture features of crop images based on TEM method allow us to exhibit high performance in all classifiers.
Kızıltepe Tarımsal Kızıltepe Tarımsal Alan İmgelerinin Ekinin Ürün Gelişimine Göre Sınıflandırılması
Abstract
Bu çalışmada, Kızıltepe (Mardin) tarım alanlarına ilişkin imgelerin, bitkinin farklı gelişim dönemlerine (ekim dönemi, az gelişmiş dönem, tam gelişmiş dönem ve hasat dönemi) göre sınıflandırılması amaçlanmıştır. İmgeler TARİT (Tarımsal Rekolte İzleme ve Tahmin Sistemi) projesi kapsamında kurulan istasyonlardan elde edilmiştir. İmge dokusuna duyarlı olan yöntemlerden Gri Seviyeli Eş-oluşum Matrisleri (GLCM) ve Law’ın doku enerji ölçümü (TEM) kullanılarak, ürünün gelişim sürecine ilişkin imgelerin öznitelik vektörleri elde edilmiştir. Her iki yöntem ile elde edilen öznitelik vektörleri ayrı ayrı sınıflandırıcılarda test edilerek, elde edilen performans sonuçları karşılaştırılmıştır.Sınıflandırıcı olarak Çok Katmanlı Algılayıcı (MLP), k-En Yakın Komşu (k-NN) ve Destek Vektör Makineleri (SVM) yöntemleri kullanılmıştır. GLCM tabanlı sınıflama işlemlerinde, sadece SVM sınıflandırıcının %100 performansa ulaştığı gözlenirken, TEM tabanlı sınıflama işlemlerinde tüm sınıflayıcıların %100 sınıflama başarısına eriştiği gözlenmiştir. Ürün imgelerine ilişkin özniteliklerin TEM yöntemi ile ürün gruplarına göre doğru karakterize edilmiş olması, tüm sınıflandırıcıların yüksek performans sergilemesine olanak tanımıştır.
Details
| Other ID | JA37JH66GB |
|---|---|
| Journal Section | Makaleler(Araştırma) |
| Authors | |
| Publication Date | June 24, 2016 |
| Published in Issue | Year 2012 Volume: 5 Issue: 1 |
Cite
Article Acceptance
Use user registration/login to upload articles online.
The acceptance process of the articles sent to the journal consists of the following stages:
1. Each submitted article is sent to at least two referees at the first stage.
2. Referee appointments are made by the journal editors. There are approximately 200 referees in the referee pool of the journal and these referees are classified according to their areas of interest. Each referee is sent an article on the subject he is interested in. The selection of the arbitrator is done in a way that does not cause any conflict of interest.
3. In the articles sent to the referees, the names of the authors are closed.
4. Referees are explained how to evaluate an article and are asked to fill in the evaluation form shown below.
5. The articles in which two referees give positive opinion are subjected to similarity review by the editors. The similarity in the articles is expected to be less than 25%.
6. A paper that has passed all stages is reviewed by the editor in terms of language and presentation, and necessary corrections and improvements are made. If necessary, the authors are notified of the situation.
.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.