Morphometric Analysis of Chili Leaves with Yellow Curly Symptom Using Digital Image Processing Approach and Data Mining Algorithm

Asmar Hasan, Muhammad Taufik, L. O. S. Bande, Andi Khaeruni, Rahayu Mallarangeng, Gusnawaty HS, Asniah, Syair, Abdul Rahman
{"title":"Morphometric Analysis of Chili Leaves with Yellow Curly Symptom Using Digital Image Processing Approach and Data Mining Algorithm","authors":"Asmar Hasan, Muhammad Taufik, L. O. S. Bande, Andi Khaeruni, Rahayu Mallarangeng, Gusnawaty HS, Asniah, Syair, Abdul Rahman","doi":"10.14692/jfi.19.6.231-237","DOIUrl":null,"url":null,"abstract":"Gejala kuning keriting pada daun cabai umumnya disebabkan oleh infeksi Begomovirus. Daun tanaman terinfeksi tidak hanya mengalami perubahan warna sebagai indikator rusaknya klorofil tetapi juga mengalami perubahan morfologi bentuk. Penelitian ini bertujuan menguantifikasi gejala infeksi Begomovirus berdasarkan perubahan morfologi bentuk daun menggunakan pengolahan citra digital dan algoritma data mining yang akan memudahkan dalam pemantauan dan analisis perkembangan penyakit tanaman. Total 33 citra daun cabai rawit bergejala kuning keriting maupun tidak bergejala menjadi dataset penelitian ini. Citra daun cabai tersebut diolah dan diekstrak karakteristik bentuknya berupa circularity, aspect ratio, roundness, dan solidity menggunakan aplikasi Fiji-ImageJ. Selanjutnya dilakukan uji beda (uji-t), pengelompokan citra menggunakan algoritma Simple K-Means, dan evaluasi ketepatan hasil pengelompokan berdasarkan indeks ARI dan NMI. Hasil penelitian menunjukkan bahwa secara umum ada perbedaan bentuk yang nyata antara daun bergejala dengan daun tidak bergejala. Daun cabai rawit bergejala kuning keriting memiliki rata-rata nilai aspect ratio dan solidity yang lebih kecil dibandingkan daun cabai tidak bergejala, sebaliknya memiliki rata-rata nilai circularity dan roundness yang lebih besar dibandingkan daun cabai tidak bergejala. Evaluasi ketepatan pengelompokan sampel daun cabai rawit bergejala maupun tidak bergejala berdasarkan indeks ARI dan NMI menghasilkan nilai terbaik untuk pengelompokkan ke dalam dua kelompok.","PeriodicalId":31619,"journal":{"name":"Jurnal Fitopatologi Indonesia","volume":"24 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-11-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Fitopatologi Indonesia","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.14692/jfi.19.6.231-237","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Gejala kuning keriting pada daun cabai umumnya disebabkan oleh infeksi Begomovirus. Daun tanaman terinfeksi tidak hanya mengalami perubahan warna sebagai indikator rusaknya klorofil tetapi juga mengalami perubahan morfologi bentuk. Penelitian ini bertujuan menguantifikasi gejala infeksi Begomovirus berdasarkan perubahan morfologi bentuk daun menggunakan pengolahan citra digital dan algoritma data mining yang akan memudahkan dalam pemantauan dan analisis perkembangan penyakit tanaman. Total 33 citra daun cabai rawit bergejala kuning keriting maupun tidak bergejala menjadi dataset penelitian ini. Citra daun cabai tersebut diolah dan diekstrak karakteristik bentuknya berupa circularity, aspect ratio, roundness, dan solidity menggunakan aplikasi Fiji-ImageJ. Selanjutnya dilakukan uji beda (uji-t), pengelompokan citra menggunakan algoritma Simple K-Means, dan evaluasi ketepatan hasil pengelompokan berdasarkan indeks ARI dan NMI. Hasil penelitian menunjukkan bahwa secara umum ada perbedaan bentuk yang nyata antara daun bergejala dengan daun tidak bergejala. Daun cabai rawit bergejala kuning keriting memiliki rata-rata nilai aspect ratio dan solidity yang lebih kecil dibandingkan daun cabai tidak bergejala, sebaliknya memiliki rata-rata nilai circularity dan roundness yang lebih besar dibandingkan daun cabai tidak bergejala. Evaluasi ketepatan pengelompokan sampel daun cabai rawit bergejala maupun tidak bergejala berdasarkan indeks ARI dan NMI menghasilkan nilai terbaik untuk pengelompokkan ke dalam dua kelompok.
利用数字图像处理方法和数据挖掘算法对有黄色卷曲症状的辣椒叶进行形态计量分析
辣椒叶片上的黄色卷曲症状一般是由 Begomovirus 感染引起的。受感染植株的叶片不仅会变色(叶绿素受损的指标),而且形态也会发生变化。本研究旨在利用数字图像处理和数据挖掘算法,根据叶片形状形态的变化来量化 Begomovirus 感染的症状,从而促进对植物病害发展的监测和分析。本研究共收集了 33 幅有黄卷症状和无症状的辣椒叶片图像。使用 Fiji-ImageJ 应用程序对辣椒叶片图像进行了处理,并提取了圆度、长宽比、圆度和实心度特征。 此外,还进行了 t 检验,使用简单 K-Means 算法对图像进行了聚类,并根据 ARI 和 NMI 指数对聚类结果的准确性进行了评估。结果表明,一般来说,有症状和无症状的叶片在形状上有显著差异。与无症状辣椒叶片相比,黄卷辣椒叶片的平均长宽比值和坚实度值较小,而与无症状辣椒叶片相比,黄卷辣椒叶片的平均圆度和圆度值较大。根据 ARI 和 NMI 指数对有症状和无症状辣椒叶片样本进行分组的准确性评估,得出了将其分为两组的最佳值。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
42
审稿时长
10 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信