使用人工智能模型预测贝贝利女巫的扫生病:伊朗南霍拉桑的一个案例研究

科学领域:

• 农业科学 农业科学
• 植物病理学 植物病理学
• 人工智能的人工智能

背景情况:

• 伊朗南霍拉桑省是无种子果的主要生产者,对地区经济增长至关重要.
• 巴贝里种植面临着菌Puccinia arrhenatheri的重大威胁,这种菌导致Berberis vulgaris L. var.的巫婆扫. 亚精子. 亚精子.
• 早期和准确地检测这种植物疾病对于有效的管理和产量保存至关重要.

研究的目的:

• 开发和评估基于深度学习 (DL) 的人工智能 (AI) 模型,用于检测大树扫病.
• 为了准确地分类疾病的存在和严重程度,使用健康和受感染的树叶片的图像.
• 展示AI在保护农作物免受真菌病原体的实际应用.

主要方法:

• 收集了健康和受感染的柏柏林树叶的图像.
• 利用传统的实验室方法进行疾病标签.
• 使用TensorFlow的Keras API开发了一个卷积神经网络 (CNN) 深度学习模型.
• 员工交叉验证以确保模型的稳定性和可靠性.

主要成果:

• 美国有线电视新闻网 (CNN) 提出的模型成功地区分了健康的胡桃树和被扫病感染的胡桃树.
• 该模型在识别疾病及其严重程度方面实现了98%的高准确率.
• 交叉验证证实了AI模型在疾病检测中的稳定性.

结论:

• 基于深度学习的人工智能技术为自动检测植物疾病提供了强大的工具,如.
• 开发的模型提供了及时干预的可靠方法,保护作物产量和经济可行性.
• 这项研究强调了人工智能在现代农业中对疾病管理和可持续农业实践的巨大潜力.