Bài viết đã xem xét ba loại mô tả đặc trưng, như Local Binary Patterns (LBP), Histogram of Oriented Gradients (HOG) và Gradient Domain Image Stitching (GIST) để mô tả hình ảnh hạt lúa giống. Tuy nhiên, cách tiếp cận này làm nảy sinh vấn đề về hiện tượng số chiều và cần phải lựa chọn các đặc trưng liên quan để có một mô hình biểu diễn nhỏ gọn và tốt hơn. | 28 Lâm Trần Tuấn Dzi. HCMCOUJS-Kỹ thuật và Công nghệ 17 1 28-42 Phương pháp tiếp cận quần thể lựa chọn đặc trưng dựa trên xếp hạng đặc trưng cho phân loại hình ảnh hạt lúa giống A combination of feature ranking approaches for rice images classification Lâm Trần Tuấn Dzi1 Trường Chính trị Sóc Trăng Việt Nam 1 Tác giả liên hệ Email tdzi2005@ THÔNG TIN TÓM TẮT DOI HCMCOUJS. Trong nông nghiệp thông minh người ta sử dụng thị giác máy tính để nhận dạng hạt lúa giống thay vì cần các chuyên gia thực hiện. Trong bài báo này chúng tôi đã xem xét ba loại mô tả đặc trưng như Local Binary Patterns LBP Histogram of Oriented Gradients HOG và Gradient Domain Image Stitching GIST để Ngày nhận 07 04 2022 mô tả hình ảnh hạt lúa giống. Tuy nhiên cách tiếp cận này làm nảy sinh vấn đề về hiện tượng số chiều và cần phải lựa chọn các đặc Ngày nhận lại 14 04 2022 trưng liên quan để có một mô hình biểu diễn nhỏ gọn và tốt hơn. Duyệt đăng 21 04 2022 Một quần thể lựa chọn đặc trưng mới được đề xuất để đại diện cho tất cả các thông tin hữu ích được thu thập từ các phương pháp lựa chọn đặc trưng đơn lẻ khác nhau. Các kết quả thử nghiệm trên phương pháp đề xuất của chúng tôi đã cho thấy được hiệu quả về Từ khóa độ chính xác. GIST HOG LBP lựa chọn đặc trưng lúa giống lựa chọn ABSTRACT đặc trưng quần thể xếp hạng đặc trưng In smart agriculture computer vision is applied to identify rice seeds instead of being investigated by experts. In this paper we considered three types of feature descriptors such as Local Binary Patterns LBP Histogram of Oriented Gradients HOG and Gradient Domain Image Stitching GIST to characterize rice seed Keywords images. However this method raises the problem of dimensional phenomena and it is necessary to select the relevant features to GIST HOG LBP feature selection rice seed image have a compact and better representation. A new combination of ensemble feature selection feature selection methods is proposed to represent all the
