Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   10 ,  No.   4 ,  A ugus t   2020 ,   pp.  3568 ~ 35 75   IS S N:  20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v 10 i 4 . pp3568 - 35 75           3568       Journ al h om e page :  http: // ij ece.i aesc or e.c om/i nd ex .ph p/IJ ECE   Bacteri al fo ragin g optimi zation b ased ad ap tive  n eu ro  fu zz y  inferenc e system        C.   Arul  Mur u gan 1 ,  G.   Sures hkum ar 2 ,  Nit hiyana nt h an  Ka n nan 3 ,   S un il  Tho ma s 4   1 Depa rtment of  El e ct roni cs  and   Te l ec om m unic ation  Engg ,   Karp a gam Col le g e  of   Engi ne eri ng,   Ind ia   2 Depa rtment of  Ele ct roni cs  and   I nstrum ent at ion   Engi ne eri ng ,   Ka rpa gam Col l ege  of  Engi n ee rin g,   I ndia   3 Depa rtment of  El e ct ri ca l   Eng in ee ring ,   Fa cul t y   o f  Engi n ee ring ,   Rabi gh,   King  Abd ula z iz   Univ ersity ,   Saudi   Arabi a   4 Depa rtment of  El e ct ri ca l   and   E l ec tron ic s E ng ineeri ng,   Birla  Inst i tut e   of Tec hno lo g y   and  Sc ie n ce,  Unite d  Arab   Em ira t es       Art ic le  In f o     ABSTR A CT    Art ic le  history:   Re cei ved   A ug  19, 201 9   Re vised Dec  25, 2 019   Accepte d  Ja n 1 1,   2020     Li fe  of  hum an  bei ng  and  ani m al s  depe nd  on  the   envi ronm ent  which  is  surrounded  b y   pla nts.  L ike   hu m an  bei ngs,  plants  al so  suffer  from   lot   of   disea ses.  Pl ant   get s  aff ec t ed  b y  complet e l y   in cluding  leaf,   st em,  root ,   frui t   and  flowe r;   thi s  aff ects  the   norm al   gro wth  of  the   pla nt .   Manua l  id ent ifica ti on   and  dia gnosis  of   pla nt  d isea ses  is   ver y   diff ic ul t.   T his  m et hod  is  co stl y   as  well  as  ti m e - consum ing  so  it   is  ine ffic ie n t  to  be  highly   spec if ic.  Plant  pat holog y   dea ls wi th   th e  pr ogre ss   in  dev el o ping  class ifi c at io n  of  p la n t  dise as es  and  th ei r   ide nti f icati on .   T his  work  cl ari fi es  the   ide nti f ica ti on  of  pla nt  dis ea ses  using   le af   images  caus ed  b y   ba ct er i a,   v iruses  and   fungus.  B y   th is  m et hod  it    ca n  be  ide n ti fi ed  and  con trol  the   dise ase s.  To  ide n ti f y   th e   pla nt  le a f     disea se  Adapt iv e  Neuro  Fuzz y  Infe ren c e  S y st em  (AN FI S)  w as  proposed.     The   proposed   m et hod  show s m ore   re fine d   resul ts t han   th e  ex isti n g  works .   Ke yw or d s :   Ba ct eria fora gin g al gorithm   Feat ur e  ex tr act ion     Im age seg m entat ion   Plant disease   So ft  co m pu ti ng   Copyright   ©   202 0   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Nithiy anan t ha n Kanna n,     Dep a rtm ent o f El ect rical  En gi neer i ng,    Faculty  of E ngineerin g,   King  Abd ul Azi z U ni ver sit y,    Ra bigh, Sau di  Ar a bia .   Em a il :  n m ajak nap@ kau.ed u.sa       1.   INTROD U CTION     Indian   Eco no m y  is  necessit ou s   in  t he  ro l e  of  ag ricult ure.  India  is  a n  a gr ic ultur e  base d  c ountry ,     wh e re  m or e  t ha n  50%  of  po pula ti on  de pe nds  on  a gri cultur e.  Like   hum an  bein g  plants  al so   get  a ff ect e d  from   diseases,   to  pr e ven t  t his  fa rm e rs  m us t  us e  s ui ta ble  pestic ide s  f or   c r op s .  B ot h  the  quantit y  and  qual it y  of  crops   get  af fected  du e  to  diseases.  Visu al   o bse r va ti on   of   a   pla nt  is  done  by  plant  pat ho l og y.   Com pu te r  de vi ces  act   as  a  co ns eq ue ntial   ro le   in  num ero us   a pp li cat ion s  s uch   a s  def e ns e ,  ag r ic ultur e,  m edical   and   e ngin eerin g.     Huge  nu m ber   of   resea rch   has   bee n  re ported   [1 - 35] .  In   e arl y  days,  the  e xperti se  p ers on  in  the  fiel d  m a nu al ly   analy ses  an d  di agnosis  the  plant  disease  whic h  are  to o  di f ficult   to  be  m on it ore d  an d  a lso  it   require d  m or e  tim e. Plant ser ve  as a b ack bone  in all  asp ect s o f  li fe,  plants  also su ff e r  fro m  d ise ases wh ic h  aff ect s the nor m al   grow t h  of the  pl ant.   In   this  arti cl e,  it   has  been   pr e sented  a n  aut om at ic   so ft  co m pu ti ng  a ppro ac h  nam ed  ANFI S  to  identif y   and   cl assify   di seases  of   plant   le aves.  Im age  segm entat ion   is  do ne   to  sp li t  the  le af  i m ag es  into  sm a ll er  par ts  for  cl ear  i den ti ficat ion   of   a ff e ct ed  pa rts  of  le af.  Im age  se gm entat ion   is  done  with  t he  te xture,  c olor  an d  s hap e   of   a n  i m age.  Segm entat ion   is  the  pr e process ing   te ch nique  wh ic h  com pr ise s  of   soft  com pu ti ng  an d  tra di ti on al   m et ho d.  S of t  c om pu ti ng   is   a n  a uto m at ic   m et hod  wh ic h  is   us e d  for  c omp le x  ta s k  (i.e.   i m age  segm entat ion )   without  hu m an  knowle dge.         Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Bacteri al  f or ag ing   opti miza ti on  ba s ed  ad ap ti ve ne uro fuz zy  infere nce sy ste m   ( C. Ar ul M uruga n )   3569   2.   RELATE D  W ORK   In   t his  te ch nique  [ 36]   plant  diseases  sym pt om s  was  ident ifie d  an d  it   w as  te ste d  us i ng  al gorithm     to  achieve  bett er  accuracy.  C onduct   an  inv e sti gation  [ 37 ]   in  cl assifi cat ion  m et ho ds   to  ge t  rid  of   er rors   and  al so   discusse d  the  m od el s  to  extract  infor m at ion   in  infe ct ed  le af.  In   [ 38 ]   pro posed  a  m et ho do l og y   in  fo ur   diff e re nt  ph ase s  to  su pport   accurate  dif fer e ntiat ion   of  le af  diseases  and   cl assify   the  detect ion .  Com par is on   was  m ade  f or  se gm entat ion s  us in g  a uto m ated   t oo l  a nd  le af  sym pto m s  wer e   ide ntifie d  [39].  A n  in ven ti ve   te chn iq ue  el ic it ed  from   OCM   [40]  was  intr oduce d  to  a naly ze  the  le af  m e chan ism   and   the  le af  spots  pro vide   sta bili ty   in  the  fr am ewo r k  of  hybri d  al gorith m s.  In   this  w ork  [41 ]   a  new  a ppr oach  was   c on si der e d  t o  e m ula te  the  res ults  and  the  portio ns   of  le af  are  com bin e d  to  ad dre ss  the  i m age  analy sis.  It  is  widely   us ed  to  adap t   the  se gm entat i on  in   a  ge ner al   m easur e  of  bi as.  T he  im ages  we re  autom at i cal ly   c la ssifie d  [4 2]  in  a  trai nin g  set   to  facil it at e  ac cur acy   in  deep  le arn in g  m od el s.  App ro ac hes   involve d  ha ve   the  pote ntial   to  ide ntify  the  sp eci e s   of   pe rsp ect i ve  m od el s.  Evalu at ion   was  m ade  for  run ning  t i m e  and   acc uracy   al so   guide li nes  we re  give n  t o  ov e rc om e  the  pro blem s  in  fut ur e  re se arc h  works  [ 43 ] .  In  [44],  bacte rial   sp ot  was  asse s sed  a nd   al s o  e valuated   the  seve rity   of  diseases  wh ic h  are  i nacc ur a te   causin g  le sion s   on  le a ves.  Using  s om e  m od ific at ion s  visu a l   m et ho ds  qua ntify  the  pote ntial   risk  of  i nf e ct ion .   The   diseased  a reas   of   each   l eaf   are   colle ct ed  to   fa ci li ta te   dig it al   scan ni ng.  T he  a uthor   pro pose d  a n  al go rithm   [4 5]  t o  ide ntif y  the  res ults  of  m ai ze  disease  in    the  detect ion   of   plant  le af.  A  data  point  i n  sam e  cl ass  i s  a  pr im e  te ch nique  to  en ha nce  col our  ana ly sis  in     favor  of  feat ure  extracti on.  I n  this  researc h  wor k  [ 46 ,  47 ]   de picts  a  prot otype  cal le d  e AG R OBOT   to   detect     the cr op  diseas e.         3.   RES EA R CH MET HO D   In  this  pa per   the  pla nt  le af   disease  is  a na ly zed  an d  pr e dicte d  by  us in g  Ad a ptive   N euro  Fu zz y   Infer e nce  Syst e m .  Ba sic al ly   hu m an  bei ng s  cal culat e  the  c har act erist ic s  of   a  pa rtic ular   thin g  by  c ompari ng    the  predeterm ined  value  obta ined  by  oth e r  a uthors.  Sim i la rly   syst e m   analy ses  the  sam e  pr e determ ined  values  to  ob ta in  t he  exp ect e d  res ul t.  Feat ur e  ext r act ion   is  relat ed  to  dim ens ion al it y  reducti on.  W it h  the  help  of  ANFIS, the  pr opos e d  al gorithm  achieves high e r  acc ur a cy .       4.   PLANT  DI SEASE   Si m il ar  to  hum an  bein gs   an d  anim a ls  rev eal   sy m pto m s  of   s uffer  f ro m   dise ases.  T he  e ntir e  pla nt  get s   aff ect ed   by  t he   diseases  i nclu ding  fl ow e r,   r oot,   le af,   ste m   a nd  f ru it .  M os t  of   t he  ti m e  i t  i s  dif ficult   to  i de ntify   the  pla nt  un de r  va rio us   facto rs  wh ic h  m ay   cause  le a ves  dro p,   flo wer  an d  f r uit.  W el l - de fine d  treat m e nt  an d  identific at ion o f  pla nt d ise ase s  is require d for  g r owth  of cert ai n  fact or s a nd  app r opriat e d ia gnos is.  Th e  as pects  for dia gnosi s of  diseases  dep e nd s  on     Glancin g  f or  s ym pto m s  or   sign s:  the  a ppear ance  of  so m e  un wa nted  s pots,   cur ls  an d  dead  areas  are  visi bl e  to the na ked ey es.     Aw a re ness  of  the  norm al   char act erist ic s  of   ho st  plant:  it   is  eas ie r  f or   one  to  diag nosis  the  plant  disea se    if one s houl d k now  t he  in he rita nces a nd asset s of the  host  pl ants.     The  occ urre nc es  of   sym pto m s :  i t  dep en ds  upon  two  f act or s  (i )  the   Diso r de r,   (ii)   Diseases  som e   env i ronm ental   pro blem s   le ad  to  disorde rs,   it   happe n s  sud de nly  li ke  within   a  day  or   wee k  and   does  s pr e ad  ov e r  t he parts  of the  plants.     Detect ing   t he  diseases  of   t he   host  pla nt  in  natur e   patte rn   is  of  tw o  t ypes  unif or m   and  no n - un i form .     Non - li ving  fac tors  are  t he  ca us e  f or   unifo r m   patte rn   w he reas  no n - un i form   patte rn   is  cause d  by  som e   disease  or   i nse ct .   The  disea se  cl assifi cat ion   an d  it s  ef fec t,  sy m pto m s  of   f ungal  plant  are  ex plaine d  in   Table  1.         Table  1 .   Fun ga l plant  disease  cl assifi cat ion   Leaf I m ag e   Diseas es n a m e   Ef f ect   Su itab le Cli m atic   Co n d itio n   Sy m p to m s /Cau se     Co m m o n  r u st   Ro ses ,  h o lly h o ck s,  sn ap d rago n s g et  af f ected   Low te m p e rature   Ap p ears pri m a ril y   o n  the  su rf ace  o f  lower le af ,  redd ish   o rang e sp o re  m ass   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  4 ,  A ugus t   2020   :   3568   -   3575   3570   Table  1 .   Fun ga l plant  disease  cl assifi cat ion   ( Con ti nue)   Leaf I m ag e   Diseas es n a m e   Ef f ect   Su itab le  Cli m atic   Co n d itio n   Sy m p to m s /Cau se     Late  b lig h t   en tire  p lan ts g et  in f ected   te m p eratur e belo w   7 0 d eg ree  Fah renh eit   rese m b le  on  the lo wer, o ld er  leav es as wat er  so a k ed ,  g rey   g reen sp o ts     Ced ar  ap p le r u st   in f ect jun ip ers   sp o re  o v er  win ter  ap p ears a s a  redd ish   b rown  gall   m o istu ri zed weath er     Leaf cu rl   redu ce fru it  p rod u ctio n   te m p eratur e abo v e  7 0 d eg ree  Fah renh eit   leaf  sh ap e chan g es  in to   sp ring ,  redd ish  ar e a on   d ev elo p in g  need s     Leaf sp o t   as sp o ts b eco m e   m o re  n u m e rou s,  en tire  leav es  m a y   y ello w and   leaf  dr o p   will takes  place   war m  and  coo l  te m p eratur e   Leaf sp o t,  b rown  blo tch es o n   th e leaf     Ear l y  blig h t   ste m ,  f ruit  an d  up p er  p o sitio n  o f  the p la n t  g et inf ected   m o d e rate  te m p eratur e   s m all bro wn  sp o t a p p ears on   th e lower side o f  t h e leaves  with   co n cent ric  rin g s wh ich   f o r m s  a bu ll - s e y e  p attern       5.   PROP OSE D WOR K   In   t he  pro po se d  work,  it   has   been  sp i rite d  on  ide ntific at ion  an d  cl assifi cat ion   of  pla nt  dis eases  us i ng   a  few   c om pu ta ti on al   an d  intel li gen ce  ad va nc e.  The  perfect ion   researc h  a re a  is  e m erg ing   f or   the  de velo pm ent   of   a n  a uto m ated   syst em   fo r   identify in g  a nd   cl assi fyi ng  the  ad ulterat ed  pla nts  wit h  di ff e ren t  di seases.    To  pr e ve nt  the   qual it at ive  an d  qu a ntit at ive  loss  of  ag ricul tural  yi el ds   i de ntific at ion   of   diseases   is  th e  only  way.  T he  lim itati on   of  hu m an  visi on   ca n  be   ov e rc om e  by   the  accu rate  and   ti m ely  detect i on   of  diseas es  with  the  hel p  of  im age  processi ng  te chn i qu e s.   T he  le af   im age  is  pr e - processe d  init ia ll y.  Usi ng  ada ptive   k - m eans   diseases  par t  is   segm ented.   T extu re  a nd  sta ti sti cal   te chn ique   are  al s o  incl ud e d  t o  ob ta in   high  pass  versi on  of   featur e  ex t racti on .     5.1.    Ima ge acquisi tion   The  ac quire d  i m age  is  e nh a nc ed  by  us in g  UN  s harp  filt er,  by  filt ering  a  U N  s ha rp  ve rsion  i n  dark   i m age  from   the  or i gin al   im a ge.   It  filt ers  t he   ed ges.   When   com par ed  with  neg at ive   of  t he  La placi an  filt er  the   par am et er  al pha  is  us e d   f or   unsha r p  filt er  a nd   t he  al pha  va lue  is  sel ect ed  as  0.2,  by  th e  ‘f s pecial ’.   K - m eans  m et ho d  is  u se d f or  im age segm entat ion   a nd  flo wch a rt for  the  pro po se d  a ppr oac h  is s how n belo w  in  Fig ur e  1.    Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Bacteri al  f or ag ing   opti miza ti on  ba s ed  ad ap ti ve ne uro fuz zy  infere nce sy ste m   ( C. Ar ul M uruga n )   3571       Figure  1. Flo w char t  for pr opose d  a ppr oach       6.   RESU LT S  AND  A N ALYSIS   The  pro pose d  work   was  im pl e m ented  on   M ATL AB  2014a .  Fo r  j ust ify ing  the  su ccess  of   this  wo r k  we  ha ve  ta ke n  two  set   of  im a ges.   Fi rst  we  ha ve  ta ke n  6  set   of   im ages  as  an  in pu t  im ages  wh ic h  are  a ffec te d  by  diseases  ca us e d  by  f ungi  and   s eco nd  ste p  we  ha ve  fi na ll y  two  hundre d  an d  se ve nty  i m ages.  The  a f fected   reg i on   of   the  l eaf  pa rt  is  iden ti fied  by  segm entat ion   of   pixe ls.  The  pr opose d  w ork  is  do ne  su cce ssf ully   with  the  accu rate  va lue  that  is  the   diseases  a re  c la ssifie d  pe r fe ct ly .  Fo r  cl assi ficat ion   t he  pa ram et ers  are  re qu i re d  are  sp eci fici ty   and   Sens it ivit y.  The  af fected  area  of  le af  pa r t  are  ob se r ved   and   pr e sente d  in  Table  2  with   their   cl assifi cat ion s.       Table  2.  Res ults f or   A NFIS ,   ( a)  Or igi nal im a ge ,   ( b)   Segm ented  gray scal e i m age ,   (c )  Ma s k  im age ,     (d)  Re s ults f or  segm ented  le af  d ise ase   (a)   (b)   (c)   (d)           Co m m o n  r u st     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  4 ,  A ugus t   2020   :   3568   -   3575   3572   Table  2.  Res ults f or   A NFIS ,   ( a)  Or igi nal im a ge ,   ( b)   Segm ented  gray scal e i m age ,   (c )  Ma s k  im age ,     (d)  Re s ults f or  segm ented  le af  d ise ase   ( Co ntinu e)   (a)   (b)   (c)   (d)           Late  b lig h t             Ced ar  ap p le r u st             Leaf cu rl             Leaf sp o t             Ear l y  blig h t       Plant  le af  dise ases  dep e nds  on   it s  own  f ea ture  re fer s  to  s ym pto m s.  Feat ur es  li ke  s hape,  colo r  an d  siz e  can  be  de te rm ined  by  featur e  e xtract ion .  To  sea rc h  seed  points  a nd   t o  gro up  them   reg ion   grow i ng   m et ho d  is  us ed   in  featu re  e xtr act ion .   F or  wel l - def i ned  e x am inati on  de fine d  the  i nput  im a ge  is  c onve rted   int o  segm ented  gr a y  scal e  i m age.  Sp eci fici ty   and   Sens it ivit y  validat ion   pa ra m et ers  us ed  in   the  pr op os ed  work.  Ad a ptive  K - m eans  is  us e d  f or  evaluati ng   th e  segm entat ion   process.   Ta bl e  3  show s  the  repor t  of   s pec i fici ty   for  the  propos ed  al gorithm   al ong  with  t he  com par ison   of   existi ng   al go r it h m s.   Table  4  sh ows  the  re port  of   s ensiti vity   fo r   the  pr op os e d  al go rithm   al on g  with  the  com par ison   of   existi ng   al gori thm s.   The  pictorial  represe ntati on   of   detect ed  le a f  diseases  for  pro posed  a nd  ex ist ing   al gorith m s   with  sp eci f ic it y  resu lt s  is  sh ow n  in  Figure  2.   T he  pictorial   re pr ese ntati on   of  detect ed  le af  diseases  f or   pr opos e d  an d  exi sti ng   al gorith m s   with   s ensiti vity   resul ts i s shown i n Fi gure  3.     Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Bacteri al  f or ag ing   opti miza ti on  ba s ed  ad ap ti ve ne uro fuz zy  infere nce sy ste m   ( C. Ar ul M uruga n )   3573   Table  3.  C om par iso n of speci fici ty  r esults f or  detect ion   of l eaf  diseases   Diseas e   K - m e an s   Gen etic algo rith m   BR BFNN   ANFIS   Co m m o n  r u st   0 .78 1 7   0 .80 9 6   0 .82 1 3   1 .00 0 0   Late  b lig h t   0 .80 1 4   0 .82 0 5   0 .83 2 6   0 .85 7 1   Ced ar  ap p le r u st   0 .78 0 1   0 .78 5 4   0 .81 9 6   1 .00 0 0   Leaf cu rl   0 .75 1 7   0 .78 8 9   0 .88 7 9   0 .85 7 1   Leaf sp o t   0 .81 2 4   0 .83 1 8   0 .88 3 6   1 .00 0 0   Ear l y  blig h t   0 .82 1 1   0 .83 7 4   0 .88 9 7   0 .85 7 1   Av erage sp ecif icit y   0 .79 1 4   0 .81 3 9   0 .85 5 8   0 .92 8 5       Table  4.  C om par iso n of sen sit ivit y resu lt s fo r  d et ect io n of  le af  disease   Diseas e   k - m eans   Gen etic algo rith m   BR BFNN   ANFIS   Co m m o n  r u st   0 .80 7 8   0 .81 1 7   0 .83 1 1   1 .00 0 0   Late  b lig h t   0 .81 8 9   0 .83 3 9   0 .84 9 7   1 .00 0 0   Ced ar  ap p le r u st   0 .78 0 9   0 .79 9 6   0 .84 0 7   0 .85 7 1   Leaf cu rl   0 .77 2 9   0 .82 7 9   0 .89 3 8   1 .00 0 0   Leaf sp o t   0 .81 1 1   0 .83 1 5   0 .90 7 8   1 .00 0 0   Ear l y  blig h t   0 .82 0 1   0 .84 7 1   0 .89 9 9   1 .00 0 0   Av erage  sen sitiv ity   0 .80 2 0   0 .82 4 4   0 .87 0 5   1 .00 0 0           Figure  2. I nf e r ence  for  s pecif ic it y i nterp retat ion s           Figure  3. I nf e r ence  for  se ns it ivit y i nterpreta ti on s       7.   CONCL US I O N   If   hum an  bein gs   get  aff ect e d  by  diseases,  it   has  been   c ur e d  by  it sel f  consulti ng   a  doct or,  but  plants  sh oul d  be  obse rv e d  by  hum an  beings  to  prev ent  the  disease s.  But  hum an  ob s er vation  for   a  pr ol onge d  ti m e  is  i m po ssible  a nd   it   is  di ff ic ult.   To  overc om e  this,  a n  aut om a ti c  appro a ch   w as  de sig ned  w hich   hel ps   t o  m on it or   the  plant  le av es  and   id e ntif y  the  le af  disease.  This  auto m at ic  app r oac h  cl early   identifie s  the  disease  and  disease  ca n  be   cur e d  at   ea rlie r  sta ge .  F or   i den ti fyi ng  t he  plant  le af  dise ases  A NFIS  ha s  bee n  us ed .  Wh il e  com par ing   to  t he  existi ng  al gorithm   resu lt s,  the  pro po se d  a lgorit h m   sh ows  90   pe rce nt  re su lt s.  Pro po se d  wo r k  sh ows  higher  accuracy  an d  e ff ect ive ness.   P rop os ed  wor k  has  bee n  su cc e ssfu ll y  done  on  f ungal  disea ses,  in  fu t ur e it  ca n be  expect ed  t o w ork o n bacte ria  and  vir us es.   0 1 2 Comm on rust Late bligh t Ced ar ap ple rust Leaf  curl Leaf  s p ot Ear l y bligh t A v erag e sensi tiv i ty Specif ici ty  R esults       k-m eans  Gen eti c  a l g ori thm    BR BF NN     A NF IS 0 1 2 Comm on rust Late bligh t Ced ar ap ple rust Leaf  curl Leaf  s p ot Ear l y bligh t A v erag e sensi tiv i ty Sensitivi ty  R esults       k-m eans  Gen eti c  a l g ori thm    BR BF NN     A NF IS Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  10 , No .  4 ,  A ugus t   2020   :   3568   -   3575   3574   REFERE NCE S   [1]   Sunil  Thomas,  K.Nit hi y an ant ha n,   “ A  Nove l  m et hod  to  implement  MP PT  Algorit hm s  for  PV   pane ls  on  a   MA TL AB/S IM ULINK   envi ronm ent , ”  Journal  of  Adv anc ed  Re s earc h  in  Dynamic al  and  Control  Syste ms ,   vol.   10,   no  4,   pp. 31 - 40 ,   2018.   [2]   Gow rishanka r.   K.,   Sunil   Thomas,  K.   Nithiy a na ntha n,   “ W ire le ss   Inte gr at ed - Sen sor  Network  b ase d  Subs ea   Tunn e l   Monitori ng  S y s te m , ”  Journal  of  Ad vanc ed   R ese arch  in   Dyn amical   and   Co ntrol  Syst ems,   vol.   10 ,   No  12 ,     pp. 647 - 658,   201 8.   [3]   Gow rishanka r. K.  K.Nit hi y an ant h an. ,   M.Pri y a nka ,   Sunil  Thomas,  GS M  base d  dua l  power  enha nc e d  LE D  display   not ice  boar d   wit h  m oti on  detec t or, ”  In te rnation al  Journal  o f  E ngine ering  and   Technol ogy ,   vol .   7,   pp.   559 - 56 6 ,   2018.   [4]   S y ahr e l  Emran  Bin  Siraj ,   T an  Yong  Sing,  Raman  Ragura m an,   Prata p  Nair   Marimuthu,   K.  Nithiy an ant ha n ,  “ Applic at ion  of   Cluste r  Anal y s is  and  As socia ti on  Anal y sis  Model  Based  Pow er  Sy st em  Fault   Ide nti f icati o n, ”   European  Journ al  of   Scientifi c  R ese arch ,   vol. 13 8,   pp .   16 - 28 ,   20 16.   [5]   K.  Nithiy ana n th an,   Prata p  Nair ,   Raman  Ragura m an,   Ta n  Yong  Sing,  Sy ah rel   Emran  Bi n  Siraj ,   “ Enha nce d  R  pac kag e - base d  c luste r  anal y s is  fau lt   id ent if ic a ti o n  m odel s  for  th ree   phase   power   sy st em  net work,”   Inte rnat iona l   Journal  of   Busin ess Int ellige n ce  and  Data  Min in g ,   vol .   14 ,   pp .   10 6 - 120,   2019 .   [6]   Sekat h  Varm a,   K.  Nithiy ana n th an,   “ MA TL AB  Sim u la ti ons ba sed  Ide nti fi ca t ion  Model  for  Vari ous Points  in  Globa l   Pos it ioni ng  S y s t em,”   In te rnation al  Journal   of   Co mputer  Applicati ons ,   vol. 138, no .   13 ,   pp15 - 18 ,   2 016.   [7]   S.  Sam son   Raj a  ,   R.   Sundar,   A.A   m udha,   K.  Nithi y an ant h an,   “ Unit  Com m it m ent   C al cu la tor  Mode l  for  Thre e  phas e   Pow er  Sy st em  Network, ”  In te r nati onal  Journa l  of  Pow er  and  Re newab le   E nergy   Syste ms ,   vol  3,   no .   1 ,     pp.   37 - 42 ,   2016 .   [8]   K.  Gow rishanka r,   K.  Nithiy a nan tha n,   Man i  Pri y a nka,   Venka te san ,   G.,   “ Neura l  n etw ork  base d  m at hemati c al   m ode l   for  fee d   m ana g e m ent   technique  i n  aquacul tur e,”  Journal  of   Adv a nce d  Re search   i n  Dynamic al   an d  Control  S ystem s ,  vol.   18 ,   no . 1,   pp.   1142 - 1161,   201 7.   [9]   Sing,  Ta n  Yong  and  Bin  Siraj ,   S y ahr el   Emr an  and  Raguram an,   Raman  and  Marimuthu,   Prata p  Nair   and  Nithiy an ant han ,   K.,   “ Cosine  sim il arit y   c luste r  an aly s is  m odel   bas ed  eff e ct iv e  po wer  s y stems   fau lt   ide n ti fi cation,”  Inte rnational   Jo urnal  of Adv an c ed  and  Appl i ed  S ci en ce s ,   vol  4 ,   n o1,   pp .   123 - 129 ,   2017.   [10]   Prata p  Nair . ,   Ni thiy an ant han ,   K. ,   Dhinaka r ,   P.,   “ Design  and  deve lopment  of  v ari ab l e  fre qu ency   ul tra sonic  p est   rep eller , ”  Journ al  of   Adv an ce d   Re search in Dy n amical   and   Cont rol Sy stems ,   vol. 9, no. 12, pp. 22 - 34,   2017 .   [11]   K.Nit hi y an ant ha n,   Sundar,   R. ,   R anga na tha n ,   T.,  Sam son  Raj a,   S.,   “ Virtua l  instru m ent at ion  base d   sim ple   ec onom ic  loa d  dispa tc h  es ti m at or  m odel   f or  3 - phase   powe r  s y stem  net wor k, ”  Journal  o f  A dvanc ed  Re sear ch  in  Dynamic a l   and  Control  S yst ems ,   vol .   9 ,   no .   11,   pp .   9 - 15 ,   20 17.   [12]   K.Nit hi y an ant ha n,   T. Sam son  Ra ja ,   Sundar ,   R. ,   Am udha,   A.,   “ Virtua l  st abi l ity  esti m at or  m ode l  for  three  phas e  power  s y stem  net work,”   Indon e sian  Journal  of   El e ct rica l  Enginee ring  and  Co mputer  Sci en ce ,   vol.   4,   no .   3,     pp.   520 - 525 ,   20 16.   [13]   Prata p  Nair ,   M. ,   K.Nit hi y a nan t han,   “ An  eff ecti ve  ca b le   siz ing  proc edur e  m ode l  for  industries  and  comm erc ia l   buil dings, ”  Int ernati onal Journal   of El e ct ri cal   an d  Computer  Eng ine ering ,   vol .   6 ,   no.   1 ,   pp .   34 - 39 ,   2016.   [14]   Prata p  Na ir,   M . ,   K.Nit h i y an anthan,   “ Feasibility   anal y sis  m od el   for   m ini   h y d ropower  pla n t  i n  Ti om an  Isl an d,   Malay s ia,”  Distribute d   Gene ratio n  and  A lt ernat ive  En ergy   Journal ,   vo l. 31, no. 2,  pp.   36 - 54 ,   2016 .   [15]   K.Nit hi y an ant ha n,   Um asa nkar ,   “ Envi ronm ent   fri endly   voltage  up - gra dation  m odel   for  distri buti on   power  sy st ems , ”   Inte rnational   Jo urnal  of El e ct ri c al  and  Comput er  Engi n ee ring ,   vo l.   6 ,   no .   6 ,   pp .   25 16 - 2525. ,   2016.   [16]   Sureshkum aa r,   G.,   Kann an,   N . ,   Thomas,  S.,  Kar thi ke y a n,   S.P . ,   “ Matl ab/ sim uli nk   sim ula ti ons  b ase d  m odifi ed   sepi c  DC  to  DC  converte r  for  ren ewa b l e  en erg y   app li c a ti ons,”   Journal  o f  Adv an ce d   Re se arch  in  Dynamic al  and  Contro l   Syste ms ,   vol .   11 ,   no.   4,   pp.   285 - 2 95,   2019 .   [17]   G.  Venka t esa n,   K.  Nithiy a nant h an,   “ Static and  T ran sient   The rm al Analy s is of   Pow er  Fact or  Conv ert ers  in   Sw it ch e d   Rel uctanc e  Motor  Drive , ”  Jour nal  of  Adv anced  Re search  in  Dynamic al  &   Control  Syste ms ,   vol  10,   no  13,     pp. 1656 - 1662,   2 018.   [18]   K.Nit hi y an ant ha n,   Ramacha ndr a n,   V.,   “ Eff ectiv e   dat a  compress io n  m odel   for  on - li ne  power  s y ste m , ”  Inte rnationa l  Journal  for  Enginee ring M od el l i ng ,   vol .   27 ,   no .   3 - 4,   pp .   101 - 109 ,   2014.   [19]   K.Nit hi y an ant ha n,   Rama cha ndra n,   V. ,   “ Distributed  m obil e   ag ent  m odel   for   m ulti  ar ea  power  s ystems   a utomate d   onli ne  sta te   estim at ion, ”  In te rn ati onal  Journal  of  Computer  Aided  Engi n ee ring   and  Tech nolog y ,   vo l.   5 ,   no.   4 ,     pp.   300 - 310 ,   20 13.   [20]   K.Nit hi y an ant ha n,   Ramach andr a n,   V.,  “ Versioning - base d  servi c e - orie n te d  m ode l  for  m ult i - are a   power  s y st em   onli ne   ec onom i c   loa d   dispatch, ”  Computers and Electric a l  Eng in ee ring ,   vol .   39 ,   no.   2 ,   pp .   433 - 4 40,   2013 .   [21]   K.Nit hi y an ant ha n,   Ramach andr a n,   V.,  “ Loc a ti on   inde pend ent  distri bute d   m odel   f or  on - li ne   lo ad  f low  m onit orin g   for  m ult i - ar ea po wer  s y st ems , ”   In te rnational   Jour nal  fo r  Engi ne ering  Mode ll ing ,  v ol.   24 ,   no .   1 - 4 ,  p p.   21 - 27 ,   2011 .   [22]   K.Nit hi y an ant ha n,   Loomba,   A. K.,   “ MA TL AB/S imulink  base d  spee d  cont rol  m odel   for  convert er  cont rol le d  D C  drive s,  In te rnat i onal  Journal   for  Engi ne ering  Mo del li ng ,  no .   24   n o.   1 - 4 ,  pp .   49 - 56 ,   2011 .   [23]   Thomas,  S.,   K.   Nithiy an ant han . ,   Eski,   A. ,   “ Inve s ti gations  on  tra n sient   beha v ior  of   an  ene rg y   cons erv ation  choppe r   fed   DC  serie s  m otor  subjec t ed  to   a  cha ng e  in  dut y   c y c l e ,”   Journal  of  Gr ee n  Engi n ee ring ,  vo l.   9 ,   no.   1 ,   pp.   92 - 11 1 .   2019 .   [24]   K.Nit hi y an ant ha n,   Ram ac handr a n,   V.,   “ A  plug  and  play   m odel  for  JIN I   base d  on - li ne  rela y   c ontrol   for  power  s y stem prot ec t io n, ”   In te rnat ional J ournal  for E ng ine ering   Mode l ling ,  vol .   21 ,   no .   1 - 4 ,  pp .   65 - 68 ,   20 08.   [25]   K.Nit hi y an ant ha n,   Ramach andr a n,   V.,   “ A  distri b ute d  m odel   for  c apa c i ta n ce   r equirem ent s  for  self - exc i te d  indu ct io n   gene ra tors, ”   Int e rnational   Journal  of   Aut omat ion and Cont rol ,  vol .   2 ,   no .   4 ,  pp .   51 9 - 525,   2008 .   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Bacteri al  f or ag ing   opti miza ti on  ba s ed  ad ap ti ve ne uro fuz zy  infere nce sy ste m   ( C. Ar ul M uruga n )   3575   [26]   Nithiy an ant han .   K,  Ramacha ndr an. V,  “ Com ponen t  Model  Sim ula ti ons  for  Mult i - Area   Pow er  Sy stem  Model  fo r   On - Li ne  E con o m ic   Loa d  Disp at ch ,”   In te rnati onal  Journal  f or   Eme rging  E le c tric   Pow er  Syste ms ,  vol  1 ,     n o  2,   2004.   [27]   K.   Nithiy a nanthan. ,   Elave n il .   V . ,  “ CYM GRD   Based  Eff ective   Ea r thl ing   Design  Model   for   Subs ta ti on , ”   Inte rnational   Jo urnal  for   Compu te r A pp li ca ti ons  in   Eng ine ering   S ci en ce s  Asia,   v ol .   1 ,   n o   3,   p p.   341 - 346,   2011 .   [28]   K.Ni thiy an ant ha n,   Ramacha ndra n,   V.,   “ Distribut ed  m obil e  agent  m odel   for  mul ti - a rea   power   sy st em  on - li n e   ec onom ic   loa d   d ispat ch , ”   Inte rna ti onal Journal fo r E ngineering  M odel li ng ,   vo l. 17, no. 3 - 4 ,   pp.   87 - 90,   2004 .   [29]   Yous sef  A.  Mo bar ak,   A . M.  He m ei da,   Nith i y an ant han  Kann an,  Volta ge  and  Freque nc y   b ase d   Loa d  Depe nd e nt   Anal y sis  Model   for  Eg y ptian  Pow er  Sy st em  N et work,  Journal  of  Advanc ed  Resea rch   in  D y na m ic al   &  Contro l  S y stems ,   US A. V ol  11,   No 6, 20 19  Pp. 971 - 978.     [30]   Low  Kak  Hau,  Gow rishanka r,   Nithiy an ant han .   K,   “ Deve lopment  Of  Protot y pe   Model  For  W ireless  Based  Cont rol   Pick  And  Place  Roboti c  Vehi cl e , ”   TEL KOMNIKA  Indone si an  Journal  of  El e ct rica l  Enginee ring ,  vo l.   1 4 ,     no.   1 ,   pp   110 - 11 5,   April   2015 .   [31]   K.Nit hi y an ant ha n,   Ramach andr a n,   V.,   “ A  distri b ute d  m odel   for  m ult i - area  powe r  s y stems   on - li n e  d y namic  se cur i t y   ana l y sis, ”   I EE E   Re gion   10  Annu al  Int ernati onal   Confe renc e, P ro ce ed ings/TENCON,   vol.  3,   pp.   1 765 - 1767,   2002 .   [32]   K.Nit hi y an ant ha n,   Ramach andr a n,   V.,   “ EJB  base d  component  m odel   for  distr ibut e d  loa d  flow  m onit oring  of  m ulti - are a   power  s y st e m s, ”   Inte rnation al  Journal   for  E ngine ering   Mod el li ng ,  vo l. 15, n o.   1 - 4 ,   pp .   63 - 67 ,   2002 .   [33]   Sureshkum aa r,   G.,   K.Nit hi y an a ntha n. ,   Thomas,  S,  “ M ATLAB/SIMU LINK  base d  sim ula ti ons  of   KY  conve rte r  f or  PV   pane ls  powe red   l ed  li gh ti ng  s y stem, ”   Inte rna ti onal  Journal  o f  Powe r  El e ct ro nic s  and  Dr iv e   Syste ms ,  vol .   10 ,     no.   4 ,   pp .   1885 - 1893,   2019 .   [34]   Vim al Raj ,   S.,   S ure sh  Kum ar,   G . ,   Thomas,  S.,   K.Nit hi y an ant ha n,   “ MA TL AB/S IMU LINK  base d  sim ula t ions  o n   stat e   of charg e  o n  batter y   for elec tri c al   v ehicle s, ”   Journal  of   Gr een E ngin ee ring ,  v ol.   9 ,   no .   2 ,   pp .   2 55 - 269,   2019 .   [35]   Mobara k,   Y.A.,   K.Nit hi y an ant ha n,   “ Vert ic all y   in te gra te d  utilit y   p ower  sy st em  struct ure s  for  eg y p ti an  sce n ari o  an d   el e ct ri ci t y   a ct , ”   Journal  of   Adv anc ed  R ese arch  in  Dyna mical   and  Co ntrol  Syste ms ,  vol.  11,   no .   7,     pp.   766 - 772 .   20 19 .   [36]   A.  Camargo,   et  al . ,   “ An  image  proc essing  b ase d  al gor it hm   to  aut om at i ca l l y   ide nt if y   pla n t  dis ea se  visu a l   s y m ptoms , ”  Bi o systems E nginee ring ,   vol .   102 ,   n o.   1 ,   pp .   9 - 21 ,   2 009.   [37]   D.  Sabine   Bauer,  et   al . ,   “ The   Potent ial  of  Autom at ic   Methods   of  cl assific a ti o n  to  ide nti f y   L e af  disea ses  from  Multi spec tr al i m age s”,   Pre ci sion   Agric ,   v ol   12,   pp . 361 - 377,   2011.   [38]   D.  Al - Bashish,   e t  al . ,   “ Detect ion   and  cl assificat i on  of  le af  dis ea s es  using  K - m ea ns - base d  segm ent at ion  and  neur al   net works   base d   cl assifi ca t ion,”   I nform.  Technol. J . ,   vol .   10 ,   pp .   2 67 - 275,   2011 .   [39]   A.  Clé m ent,  e t  al . ,   “ A  New  Colour  Vision  S y st em  to  Quanti f y   Autom at ic a lly   F oli ar  Disco louration  Caused   b y   Insec t  Pests  Feedi n g  on  Le af  Cel ls, ”  Bi osystem s  Engi nee ring,   vol.   133,   pp.   1 28 – 140,   2015.   ISS N   1537 - 5110 ,     doi:   10 . 1 016/j.bi os y stems eng. 20 15. 03. 007   [40]   R.   Zhou,   et   a l . ,   "D isea se  Detec ti on  of  Cer cospora   Leaf  Spot  i n  Sugar  Bee t  b y   Robust  T emplate  Matc h ing",  Computers and Electroni cs  in A gricul ture ,   vol .   1 08,   pp .   58 - 70 ,   2 014.   [41]   J.G.A  Barbe do,   et   al . ,   “ A  New  Autom at ic   Meth od  for  Disea se  S y m ptom  Seg me ntation  in  Digita l  Photographs  of   Plant   Le av es, ”   E uropean  Journal   of Pl ant   Pa thology ,   vo l. 147, no .   2 ,   pp .   349 – 364 ,   2016.     [42]   D.  P  Hughes,  et   al . , "A n  Open  A cc ess  Reposit or y  of  Im age s  on  Plant   Hea lt h  to  En abl e  the   Deve lo pm ent   of  Mobile   Disea se  Diagnos ti cs , ”  Corn el l   Univer st y   2015 .   [43]   A.  Borji,  et  al . ,   “ Sali e nt  Obj e ct   De tecti on :  A   Benc hm ark , ”   I EE E   Tr ans.  Image  Proc ess .,   v ol.   24 ,   no .   12 ,     pp.   5706 - 5722 ,   Dec .   2015.   [44]   Bardsley ,   et al . ,   “ Rel ia bi li t y   and ac cur acy   o f  visu al   m et hods t o   qu ant if y   sev erit y   o f  foli a r  ba ct er ial  spot  s y m ptom on  pea ch   and   ne ct ar ine , ”   Pl ant   Pat h ology ,   vol .   62 ,   n o.   2 ,   2012 .   [45]   Zha ng,   e t  al .,   "O rthogona l   Loc a lly   Discr i m ina nt  Projec tion  for  Cla ss ifi ca t ion  of  Plant   Le af  Disea ses" ,     Nint h  Int ernati o nal  Conf ere nce  on  Computati on al  Int el l ige nc e  a nd  Sec uri ty ,   pp .   241 -   245,   2013.   [46]     Pill i,   et   al . ,   "e AG ROBO T - A  r obot  for  e arly   cro p  dise ase   de te c ti on  using  i m age   proc essin g, ”   In te rnationa l   Confe renc e   on   E le c tronic s and   Comm unic ati on  S yste ms   ( ICECS) ,  pp.   1 - 6,   2014.   [47]   Nithiy an ant han . K ,   Mobara k,   Y.,  Alhar bi,   F.Applicat ion  of  cl oud   computing  for  ec onom ic   loa d  dispat ch  and  uni t   comm it m ent   computat ions  of  the   power  sy st e m   net work , Adv a nce s   in  Inte llige nt  Syste ms   and  Computing ,   1108  AIS C, 2020   pp.   1 179 - 1189.     Evaluation Warning : The document was created with Spire.PDF for Python.