Key points are not available for this paper at this time.
टमाटर की पत्तियों की बीमारी का पता लगाना सटीक कृषि में फसल स्वास्थ्य की रक्षा करने और उपज को अनुकूलित करने के लिए महत्वपूर्ण है। यह अध्ययन Tomato-Village डेटासेट का उपयोग करते हुए नवीनतम YOLO आर्किटेक्चर, जिसमें YOLOv8, YOLOv9, YOLOv10, YOLOv11, और YOLOv12 शामिल हैं, की तुलना करता है, जिसमें छह बीमारी श्रेणियों में 14,368 छवियां हैं। सभी मॉडलों को समान सेटिंग्स के तहत प्रशिक्षित किया गया है ताकि सटीकता, पुनः प्राप्ति, माध्य औसत सटीकता, प्रशिक्षण समय, और अनुमानित गति के आधार पर एक निष्पक्ष मूल्यांकन सुनिश्चित किया जा सके। परिणाम दिखाते हैं कि YOLOv11 लगातार अन्य आर्किटेक्चर से बेहतर प्रदर्शन करता है, प्रतिस्पर्धी प्रशिक्षण समय और स्वीकार्य विलंबता के साथ सबसे उच्च सटीकता प्राप्त करता है। YOLOv10, YOLOv8, और YOLOv12 भी मजबूत परिणाम देते हैं, जिसमें YOLOv12n संसाधन-सीमित वातावरण के लिए सबसे प्रभावी हल्का मॉडल के रूप में सामने आता है। इसके विपरीत, YOLOv9 सबसे कमजोर प्रदर्शन दर्शाता है, जिसे अधिक प्रशिक्षण समय की आवश्यकता होती है और इसका विलंबता अधिक होती है। कुल मिलाकर, YOLOv11 टमाटर की पत्तियों की बीमारी का पता लगाने के लिए सबसे प्रभावी समाधान के रूप में स्थित है, कृषि प्रौद्योगिकी में भविष्य के विकास के लिए एक मजबूत मानक प्रदान करता है।
Ramos et al. (Thu,) ने इस प्रश्न का अध्ययन किया।