Identification des maladies de l'oïdium précoce et tardif chez les plants de tomate à l'aide d'un modèle basé sur un réseau de neurones pour augmenter la productivité agricole

Les technologies avancées informatiques ont un impact significatif dans divers domaines. Il est largement reconnu que les maladies ont un effet néfaste sur la productivité des cultures et peuvent avoir un impact significatif sur l'économie, en particulier dans les pays agricoles. Les tomates ont une grande importance économique parmi les cultures commerciales, juste derrière les pommes de terre. À l'échelle mondiale, la production de tomates atteint un chiffre exceptionnel de 160 millions de tonnes par an, ce qui la rend encore plus cruciale pour le développement agricole. Malheureusement, la culture de tomate est sensible à plusieurs maladies, l'oïdium précoce et l'oïdium tardif étant deux coupables majeurs responsables d'une diminution de production d'environ 79 %. Les méthodes traditionnelles de détection et d'identification des maladies sont chronophages, coûteuses et destructrices, nécessitant souvent l'expertise de pathologistes. Ainsi, l'objectif principal de la recherche est d'améliorer la précision de l'identification des maladies en s'appuyant sur des techniques d'apprentissage profond. Un modèle basé sur l'architecture inception-V3 a été conçu pour classer les maladies affectant les feuilles de plants de tomate. Le modèle a été formé et testé à l'aide du jeu de données PlantVillage, qui comprend 6000 images d'échantillons de feuilles de tomate. Le processus de formation et de test a utilisé un ratio de 80 : 20, résultant en une précision de classification impressionnante de 97,44 % pour le modèle proposé. La solution proposée vise à permettre à l'industrie de la tomate de prospérer sur le marché mondial en atténuant l'impact des maladies des feuilles de tomate. En réduisant la prévalence de ces maladies, la solution peut augmenter la demande et contribuer à la croissance de l'industrie.