Reconnaissance des maladies des plantes basée sur des réseaux neuronaux profonds par classification d'images de feuilles

La dernière génération de réseaux de neurones convolutionnels (CNN) a obtenu des résultats impressionnants dans le domaine de la classification d'images. Cet article concerne une nouvelle approche du développement d'un modèle de reconnaissance des maladies des plantes, basé sur la classification d'images de feuilles, par l'utilisation de réseaux de neurones convolutionnels profonds. Une nouvelle manière de s'entraîner et la méthodologie utilisée facilitent une mise en œuvre rapide et facile du système en pratique. Le modèle développé est capable de reconnaître 13 types différents de maladies des plantes à partir de feuilles saines, avec la capacité de distinguer les feuilles de plantes de leur environnement. À notre connaissance, cette méthode de reconnaissance des maladies des plantes a été proposée pour la première fois. Toutes les étapes essentielles requises pour mettre en œuvre ce modèle de reconnaissance des maladies sont pleinement décrites tout au long de l'article, à partir de la collecte d'images afin de créer une base de données, évaluée par des experts agricoles. Caffe, un cadre d'apprentissage profond développé par le Berkley Vision and Learning Centre, a été utilisé pour effectuer l'entraînement du CNN profond. Les résultats expérimentaux sur le modèle développé ont atteint une précision entre 91 % et 98 %, pour des tests de classes séparées, avec une moyenne de 96,3 %.