一个新的智能手机应用程序用于早期检测哈巴内罗病

科学领域:

• 农业科学 农业科学
• 计算机科学 计算机科学
• 植物病理学 植物病理学

背景情况:

• 哈巴内罗植物病对作物产量和质量构成重大威胁.
• 早期检测和治疗对于农业中有效的疾病管理至关重要.

研究的目的:

• 开发一个智能手机应用程序,用于早期识别habanero植物疾病.
• 将修改后的VGG16深度转移学习 (DTL) 模型集成到一个用户友好的移动应用程序中.

主要方法:

• 一个修改后的VGG16深度转移学习 (DTL) 模型被开发和训练在一个数据集的标记habanero植物的叶子图像.
• 用准确性,精度,f1分数,回忆和AUC指标来评估DTL模型的性能.
• 经过训练的模型被集成到智能手机应用程序中,用于实时诊断疾病.

主要成果:

• MVGG16 DTL模型在测试数据集上实现了高性能指标,包括98.79%的准确性,97.93%的精度,98.44%的f1得分,98.95%的回忆和98.63%的AUC.
• 集成的智能手机应用程序在从用户上传的图像中识别受感染的哈巴内罗植物方面表现出了很高的准确性.
• 该应用程序允许用户上传照片,接收诊断,并审查历史诊断数据.

结论:

• 开发的智能手机应用程序有效地识别了哈巴内罗植物疾病,促进了及时干预.
• 这种工具有可能显著改善作物管理,从而提高产量和提高收获质量.
• 将DTL模型集成到移动应用程序中,为农业疾病诊断提供了一个有前途的方法.