sibvestСибирский вестник сельскохозяйственной наукиSiberian Herald of Agricultural Science0370-87992658-462XSiberian Federal Scientific Centre of Agro-BioTechnologies of the Russian Academy of Sciences10.26898/0370-8799-2021-2-11sibvest-795Research ArticleМЕХАНИЗАЦИЯ, АВТОМАТИЗАЦИЯ, МОДЕЛИРОВАНИЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕMECHANISATION, AUTOMATION, MODELLING AND DATAWAREПриложение для смартфона по обнаружению грибных болезней листьев растенийApp for smartphone for detecting fungus diseases of plant leavesАлейниковА. Ф.AleynikovA. F.

Доктор технических наук, профессор, главный научный сотрудник.

630501, Новосибирская область, р.п. Краснообск, СФНЦА РАН, а/я 463.

Alexander F. Aleynikov - Doctor of Science in Engineering, Professor, Head Researcher.

PO Box 463, SFSCA RAS, Krasnoobsk, Novosibirsk Region, 630501.

fti2009@yandex.ruТороповВ. И.ToropovV. I.

Магистрант.

Новосибирск.

Viktor I. Toropov - Master's degree student.

Novosibirsk.

Сибирский федеральный научный центр агробиотехнологий Российской академии наук; Новосибирский государственный технический университетРоссияSiberian Federal Research Centre of AgroBiotechnologies of the Russian Academy of Sciences; Novosibirsk State Technical UniversityRussian FederationНовосибирский государственный технический университетРоссияNovosibirsk State Technical UniversityRussian Federation2021060620215128795Copyright © Алейников А.Ф., Торопов В.И., 20212021Алейников А.Ф., Торопов В.И.Aleynikov A.F., Toropov V.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://sibvest.elpub.ru/jour/article/view/795

Описаны симптомы и биофизические процессы, протекающие в землянике садовой при поражении ее доминирующим видом болезни (до 80%), вызванной грибами-возбудителями. Показана неэффективность визуальной оценки степени поражения болезнями земляники по условной 5-балльной шкале или в процентном отношении по площади, пораженной грибами листовой пластины, с привлечением квалифицированных специалистов. Для создания средств диагностики, позволяющих заранее обнаружить грибные болезни земляники садовой, предложен один из методов компьютерного зрения путем подсчета пикселей изображения в пространстве цветовых каналов красного, зеленого и синего цвета (R, G, B). Данный метод дает возможность определять степень поражения грибными болезнями отдельного листа растения. Алгоритм включает захват изображения с помощью цифровой камеры путем фокусировки на листе растения, размещенном на подложке с равномерным фоном, обеспечивающим контрастное выделение объекта; преобразование цветного изображения в черно-белое; разделение изображения между областями c некротическими пятнами и здоровыми областями листа растения с помощью маскирования и удаления пикселей; подсчет количества пикселей в этих двух областях и расчет их соотношения. Приведены сведения о компьютерной программе определения степени поражения листа земляники садовой грибными болезнями. В качестве языка для разработки логической части информационной системы использован язык программирования Java (операционная система Android Studio 3.4.1). Для построения графического интерфейса использовано обеспечение, облегчающее разработку и объединение разных модулей программного проекта LibGDX. Предлагаемый алгоритм реализован для персонального компьютера и может в виде программного приложения устанавливаться на смартфон, с помощью которого любой сельхозпроизводитель может осуществлять раннюю диагностику грибных болезней растений.

The symptoms and biophysical processes occurring in garden strawberry plants when they are affected by the dominant type of disease (up to 80%) caused by pathogenic fungi have been described. The ineffectiveness of the visual assessment of the degree of damage to strawberry diseases by a conventional 5-point scale or as a percentage of the leaf plate area affected by fungi, with the involvement of qualified specialists, has been shown. To create diagnostic tools that allow early detection of fungal diseases of garden strawberries, one of the methods of computer vision was proposed by counting image pixels in the space of color channels of red, green and blue (R, G, B), which makes it possible to determine the degree of fungal diseases affecting an individual plant leaf. The algorithm includes capturing an image with a digital camera by focusing on a plant leaf placed on a substrate with a uniform background providing a contrasting selection of the object; converting a color image to black and white; dividing the image between areas with necrotic spots and healthy areas of the plant leaf by masking and removing pixels; counting the number of pixels in these two areas and calculating their ratio. Information about a computer software for determining the degree of damage to a strawberry leaf by garden fungal diseases has been given. Java programming language (operating system Android Studio 3.4.1) was used as a language for the development of the logical part of the information system. In order to build a graphical interface, the software facilitating the development and integration of various modules of the LibGDX software project was used. The proposed algorithm is implemented for a personal computer and can be installed on a smartphone in the form of a software application, with the help of which any agricultural producer can carry out early diagnosis of fungal plant diseases.

земляника садоваядиагностикаболезнистепень поражениякомпьютерное зрениесмартфонgarden strawberrydiagnosisdiseasesdegree of damagecomputer visionsmartphoneРабота поддержана бюджетным проектом СФНЦА РАН № 0533-2021-0007.This work was supported by the budgetary project of SFSCA RAS No. 0533-2021-0007.ReferencesDíaz S., Kattge J., Cornelissen J.H.C., Wright I.J., Lavorel S., Dray S., Gorné L.D. The global spectrum of plant form and function // Nature. 2016. Vol. 529. P. 167–171. DOI: 10.1038/nature16489.Díaz S., Kattge J., Cornelissen J.H.C., Wright I.J., Lavorel S., Dray S., Gorné L.D. The global spectrum of plant form and function. Nature, 2016, vol. 529, pp. 167–171. DOI: 10.1038/nature16489.Алейников А.Ф. Метод неинвазивного определения грибных болезней земляники садовой // Сибирский вестник сельскохозяйственной науки. 2018. Т. 48. № 3. С. 71–83. DOI: 10.26898/0370-8799-2018-3-105.Aleynikov A.F. Method of non-invasive determination of fungal diseases of common garden strawberry. Sibirskii vestnik sel'skokhozyaistvennoi nauki = Siberian Herald of Agricultural Science, 2018, vol. 48, no 3, pp. 71–83. (In Russiаn). DOI: 10.26898/0370-8799-2018-3-105.Zhang Y., Yang X., Liu Q., Qiu D., Zhang Y., Zeng H., Yuan J., Mao J. Purification of novel protein elicitor from Botrytis cinerea that induces disease resistance and drought tolerance in plants // Microbiological Research. 2010. Vol. 165. N 2. P. 142–151. DOI: 10.1016/j.micres.2009.03.004.Zhang Y., Yang X., Liu Q., Qiu D., Zhang Y., Zeng H., Yuan J., Mao J. Purification of novel protein elicitor from Botrytis cinerea that induces disease resistance and drought tolerance in plants. Microbiological Research, 2010, vol. 165, no. 2, pp. 142–151. DOI: 10.1016/j.micres.2009.03.004.Алейников А.Ф., Минеев В.В. Изменение флуоресценции хлорофилла земляники садовой при воздействии гриба Ramularia tulasnei Sacc // Сибирский вестник сельскохозяйственной науки. 2019. Т. 49. № 2. С. 94–102. DOI: 10.26898/0370-8799-2019-2-12.Aleynikov A.F., Mineev V.V. Effect of the fungus Ramularia tulasnei Sacc on chlorophyll fluorescence in garden strawberry. Sibirskii vestnik sel'skokhozyaistvennoi nauki = Siberian Herald of Agricultural Science, 2019, vol. 49, no 2, pp. 94–102. (In Russiаn). DOI: 10.26898/0370-8799-2019-2-12.Schrader J., Pillar G., Kreft H. Leaf-IT: An Android application for measuring leaf area // Ecology and Evolution. 2017. Vol. 7 (22). P. 9731–9738. DOI: 10.1002/ece3.3485.Schrader J., Pillar G., Kreft H. Leaf-IT: An Android application for measuring leaf area. Ecology and Evolution, 2017, vol. 7 (22), pp. 9731-9738. DOI: 10.1002/ece3.3485.Говорова Г.Ф., Говоров Д.Н. Грибные болезни земляники и клубники: монография. М.: Проспект, 2016. 142 с.Govorova G.F., Govorov D.N. Fungal diseases of strawberries. Moscow, Prospekt Publ., 2016, 142 p. (In Russian).Хохряков М.К., Доброзракова Т.Л., Степанов К.М., Летова М.Ф. Определитель болезней растений: монография; 3-е изд., испр. СПб.: Лань, 2003. 592 с.Hohryakov M.K., Dobrozrakova T.L., Stepanov K.M., Letova M.F. List of plant diseases. St. Petersburg, Lan' Publ., 2003, 592 p. (In Russian).Kanchi S., Sabela M.I. Bisetty Smartphone based bioanalytical and diagnosis applications: A review // Biosensors and Bioelectronics. 2018. Vol. 102. P. 136–149. DOI: 10.1016/j.bios.2017.11.021.Kanchi S., Sabela M.I. Bisetty Smartphone based bioanalytical and diagnosis applications: A review. Biosensors and Bioelectronics, 2018, vol. 102. pp. 136–149. DOI: 10.1016/j.bios.2017.11.021.Annamalai P., Lee W.S., Burks T. Color vision system for estimating citrus yield in real-time // An ASAE/CSAE Meeting Presentation. 2004.P. 43–54. DOI: 10.13031/2013.16714.Annamalai P., Lee W.S., Burks T. Color vision system for estimating citrus yield in real-time. An ASAE/CSAE Meeting Presentation, 2004, pp. 43–54. DOI: 10.13031/2013.16714.Camargo A., Smith J.S. An image-processing based algorithm to automatically identify plant disease visual symptoms // Biosystems Engineering. 2009. Vol. 102. N 1. P. 9–21. DOI: 10.1016/j.biosystemseng.2008.09.030.Camargo A., Smith J.S. An image-processing based algorithm to automatically identify plant disease visual symptoms. Biosystems Engineering, 2009, vol. 102, no. 1, pp. 9–21. DOI: 10.1016/j.biosystemseng2008.09.030.Gong A., Wu X., Qiu Z., He Y. A handheld device for leaf area measurement // Computers and Electronics in Agriculture. 2013. Vol. 98. P. 74–80. DOI: 10.1016/j.compag.2013.07.013.Gong A., Wu X., Qiu Z., He Y. A handheld device for leaf area measurement. Computers and Electronics in Agriculture, 2013, vol. 98, pp. 74–80. DOI: 10.1016/j.compag.2013.07.013.Li Z., Paul R., Tis B.T., Saville A.C., Hansel J.C., Yu T., Ristaino J.B., Wei Q. Non-invasive plant disease diagnostics enabled by smartphone-based fingerprinting of leaf volatiles // Nature Plants. 2019. Vol. 5 (8). P. 856–866. DOI: 10.1038/s41477-019-0476-y.Li Z., Paul R., Tis B.T., Saville A.C., Hansel J.C., Yu T., Ristaino J.B., Wei Q. Non-invasive plant disease diagnostics enabled by smartphone-based fingerprinting of leaf volatiles. Nature Plants, 2019, vol. 5 (8), pp. 856–866. DOI: 10.1038/s41477-019-0476-y.Padhye P., Rajani K. Machine vision guided system for classification and detection of plant diseases using support vector machine // International Journal of Computational Science and Engineering. 2014. Vol. 5. P. 249–254.Padhye P., Rajani K. Machine vision guided system for classification and detection of plant diseases using support vector machine. International Journal of Computational Science and Engineering, 2014, vol. 5, pp. 249–254.Raut S., Fulsunge A. Plant Disease Detection in Image Processing Using MATLAB // International Journal of Innovative Research in Science, Engineering and Technology. 2017. Vol. 6 (6). P. 73–103. DOI: 10.15680/IJIRSET.2017.0606034.Raut S., Fulsunge A. Plant Disease Detection in Image Processing Using MATLAB. International Journal of Innovative Research in Science, Engineering and Technology, 2017, vol. 6 (6), pp. 73–103. DOI: 10.15680/IJIRSET.2017.0606034.Patil J.K., Kumar R. Advances in image processing for detection of plant diseases // Journal of Advanced Bioinformatics Applications and Research. 2011. Vol. 2. P. 135–141.Patil J.K., Kumar R. Advances in image processing for detection of plant diseases. Journal of Advanced Bioinformatics Applications and Research, 2011, vol. 2, pp. 135–141.Renugambal K., Senthilraja B. Application of image processing techniques in plant disease recognition // International Journal of Engineering Research & Technology. 2015. Vol. 4 (3). P. 919–923.Renugambal K., Senthilraja B. Application of image processing techniques in plant disease recognition. International Journal of Engineering Research & Technology, 2015, vol. 4 (3), pp. 919–923.Khan M.A. Detection and Classification of Plant Diseases Using Image Processing and Multiclass Support Vector Machine // International Journal of Computer Trends and Technology (IJCTT). 2020. Vol. 68 (4). P. 5–11. DOI: 10.14445/22312803/IJCTT-V68I4P102.Khan M.A. Detection and Classification of Plant Diseases Using Image Processing and Multiclass Support Vector Machine. International Journal of Computer Trends and Technology (IJCTT), 2020, vol. 68 (4), pp. 5–11. DOI: 10.14445/22312803/IJCTT-V68I4P102.

The authors declare that there are no conflicts of interest present.