Ινδοί επιστήμονες ανέπτυξαν ένα σύστημα αναγνώρισης ασθενειών των φύλλων τομάτας, το οποίο επιτυγχάνει 94,9% ακρίβεια για ταξινόμηση και επικύρωση.
«Τα φυτά είναι η βασική πηγή παραγωγής ανθρώπινης ενέργειας και έχουν θρεπτικά, θεραπευτικά και άλλα οφέλη. Οι ασθένειες των φυτών προκαλούν σημαντική απώλεια στην παραγωγικότητα των καλλιεργειών και η χειρωνακτική επιθεώρηση για φυτικές ασθένειες είναι μια προσέγγιση αναποτελεσματική», ανέφερε η ομάδα με την παρουσίαση της έρευνάς τους.
Για να ξεπεραστεί αυτό το πρόβλημα, έχουν αναπτυχθεί αυτοματοποιημένα συστήματα ανίχνευσης φυτικών ασθενειών χρησιμοποιώντας πολλές προσεγγίσεις που βασίζονται στη μηχανική μάθηση και την επεξεργασία εικόνας για την αντιμετώπισή του. "Η ικανότητα των φυτικών ασθενειών να αλλάζουν το χρώμα και την υφή των φύλλων αξιοποιείται για τη δημιουργία τεχνικών για την ανίχνευση φυτικών ασθενειών. Σε αυτόν τον κλάδο, εφαρμόζονται συχνά μοντέλα βαθιάς μάθησης όπως το VGG και το ResNET. Ωστόσο, επειδή επικεντρώνονται κυρίως στην ταξινόμηση ασθενειών σε μια συγκεκριμένη καλλιέργεια ή σύνολο δεδομένων, η πλειονότητα αυτών των μοντέλων δεν είναι επεκτάσιμη.
Ο σκοπός αυτής της έρευνας που έγινε πρόσφατα είναι να παρουσιάσει μια βελτιωμένη προσέγγιση για την ανίχνευση ασθενειών των φύλλων. Το προτεινόμενο σύστημα είναι κατασκευασμένο με Alexnet και εκπαιδευμένο και δοκιμασμένο σε μια ποικιλία ασθενειών των φύλλων τομάτας. Αυτό το μοντέλο επιτυγχάνει 94,9% ακρίβεια για ταξινόμηση και επικύρωση.
"Ο στόχος αυτής της έρευνας ήταν να επιδείξει ένα επεκτάσιμο και γενικευμένο μοντέλο για τη χρήση της βαθιάς μάθησης για τον εντοπισμό της ασθένειας των φύλλων. Ένα σύνολο δεδομένων 16.000 εικόνων ετοιμάστηκε από φύλλα ντομάτας που είναι δημόσια διαθέσιμα σύνολα δεδομένων. Η αρχιτεκτονική ALexNet χρησιμοποιείται για τη μείωση του χρόνου εκπαίδευσης και την απόδοση απόδοση σε σχέση με προηγούμενες προσεγγίσεις», λέει η ερευνητική ομάδα.
Ακολουθήστε το Agrocapital.gr στο Google News και μάθετε πρώτοι τις ειδήσεις