使用定制深度学习模型检测棉花作物疾病
Hafiz Muhammad Faisal1, Muhammad Aqib1, Saif Ur Rehman2
1University Institute of Information Technology (UIIT), PMAS-Arid Agriculture University Rawalpindi, Rawalpindi, 46300, Pakistan.
Scientific reports
|March 29, 2025
概括
本研究探讨了用于检测棉花疾病的深度学习模型,这对于农业经济增长至关重要. ResNet152模型在识别疾病方面表现出卓越的性能,为作物保护提供了有效的解决方案.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 由于棉花作物疾病,农业部门面临重大经济损失.
- 早期和准确的疾病检测对于减轻这些损失和确保经济稳定至关重要.
- 人工智能 (AI) 和深度学习 (DL) 为先进的农业监测提供了有希望的解决方案.
研究的目的:
- 评估各种最先进的深度学习模型的有效性,以识别棉花植物疾病.
- 确定最有效和最准确的DL模型,以便在检测棉花病时实际应用.
- 为保护棉花作物做出贡献,并支持农业部门的经济增长.
主要方法:
- 收集和预处理现实世界的棉花病图像数据.
- 多种深度学习模型的实施和比较:VGG16,DenseNet,EfficientNet,InceptionV3,MobileNet,NasNet和ResNet. 这三种深度学习模型的实施和比较.
- 实验分析以确定每个模型在疾病识别方面的表现.
主要成果:
- 在所有测试的深度学习模型中,ResNet152模型表现出最高的性能.
- 该研究证实了深度学习在准确有效地识别棉花疾病方面的潜力.
- 应用了预处理技术来增强深度学习模型的输入数据.
结论:
- 深度学习,特别是ResNet152模型,为识别棉花疾病提供了强大而高效的方法.
- 实施先进的人工智能技术可以显著改善作物保护策略,减少农业的经济损失.
- 这项研究支持将人工智能纳入农业,以实现可持续的作物管理和经济繁荣.
