Détection automatisée de la rouille noire dans le blé à l'aide de CNNs

Cette recherche présente un modèle très précis basé sur le CNN (99,9 % d'exactitude) pour la détection précoce de la rouille noire du blé à l'aide de l'analyse d'images. Le modèle a été entraîné sur un ensemble de données diverses et spécifiques à une région, garantissant une performance robuste dans des conditions agro-climatiques variées. Il permet de détecter la maladie à un stade précoce, de réduire les pertes de rendement, d'optimiser l'utilisation des fongicides et de promouvoir des pratiques agricoles durables. Le système est léger, déployable sur smartphone, et s'intègre aux écosystèmes agricoles numériques, donnant aux agriculteurs des outils d'IA accessibles. Son évolutivité et sa compatibilité avec les plateformes IoT et cloud le positionnent comme une étape essentielle vers l'agriculture de précision et la sécurité alimentaire nationale.

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.

Klappentext

Cette recherche présente un modèle très précis basé sur le CNN (99,9 % d'exactitude) pour la détection précoce de la rouille noire du blé à l'aide de l'analyse d'images. Le modèle a été entraîné sur un ensemble de données diverses et spécifiques à une région, garantissant une performance robuste dans des conditions agro-climatiques variées. Il permet de détecter la maladie à un stade précoce, de réduire les pertes de rendement, d'optimiser l'utilisation des fongicides et de promouvoir des pratiques agricoles durables. Le système est léger, déployable sur smartphone, et s'intègre aux écosystèmes agricoles numériques, donnant aux agriculteurs des outils d'IA accessibles. Son évolutivité et sa compatibilité avec les plateformes IoT et cloud le positionnent comme une étape essentielle vers l'agriculture de précision et la sécurité alimentaire nationale.