Key points are not available for this paper at this time.
Künstliche Intelligenz-Techniken werden mittlerweile in verschiedenen landwirtschaftlichen Anwendungen verwendet, einschließlich der Erkennung verheerender Krankheiten wie der späten (Phytophthora infestans) und frühen (Alternaria solani) Blüte, die Kartoffeln (Solanum tuberosum L.) betreffen. In diesem Papier präsentieren wir eine mobile Anwendung zur Erkennung von Kartoffelkulturerkrankungen, die auf tiefen neuronalen Netzwerken basiert. Die Bilder wurden aus dem PlantVillage-Datensatz entnommen, mit einer Batch von 1000 Bildern für jede der drei identifizierten Klassen (gesund, frühblütenkrank, spätblütenkrank). Eine explorative Analyse der Architekturen, die für die Diagnose von frühen und späten Blüten in Kartoffeln verwendet wurden, wurde durchgeführt und erreichte eine Genauigkeit von 98,7 % mit MobileNetv2. Basierend auf den erzielten Ergebnissen wurde eine Offline-Mobile-Anwendung entwickelt, die auf Geräten mit Android 4.1 oder höher unterstützt wird und auch einen Informationsbereich zu den 27 Krankheiten enthält, die Kartoffelkulturen betreffen, sowie eine Galerie von Symptomen. Für zukünftige Arbeiten werden Segmentierungstechniken verwendet, um den geschädigten Bereich im Kartoffelblatt hervorzuheben, indem das Ausmaß bewertet und möglicherweise verschiedene Arten von Krankheiten identifiziert werden, die die gleiche Pflanze betreffen.
Medina et al. (Di,) haben diese Frage untersucht.