Automatisierte Erkennung von Schwarzrost bei Weizen mit CNNs

In dieser Forschungsarbeit wird ein hochpräzises CNN-basiertes Modell (99,9 % Genauigkeit) zur Früherkennung von Schwarzrost bei Weizen mittels Bildanalyse vorgestellt. Das Modell wurde auf einem vielfältigen, regionalspezifischen Datensatz trainiert, um eine robuste Leistung bei unterschiedlichen agroklimatischen Bedingungen zu gewährleisten. Es ermöglicht die frühzeitige Erkennung von Krankheiten, die Verringerung von Ertragsverlusten, die Optimierung des Fungizideinsatzes und die Förderung nachhaltiger Anbaumethoden. Das System ist leichtgewichtig, kann auf Smartphones eingesetzt werden und lässt sich in digitale landwirtschaftliche Ökosysteme integrieren, so dass die Landwirte Zugang zu KI-Tools erhalten. Seine Skalierbarkeit und Kompatibilität mit IoT- und Cloud-Plattformen machen es zu einem wichtigen Schritt in Richtung Präzisionslandwirtschaft und nationaler Ernährungssicherheit.

Autorentext

Rupsha Roy, studente del terzo anno di B.Sc (Hons) Agriculture presso l'Università di Adamas, si occupa di agricoltura resiliente al clima.Saptarshi Mondal, studentessa del terzo anno di B.Tech CSE (AIML) presso l'Università Adamas, ha pubblicato un articolo su Springer sull'IA per l'assistenza ai disabili.Entrambi collaborano. Rilevamento automatico della ruggine nera nel grano con le CNN.