应用2:基于深度学习 (CNN+SVM) 的果叶病检测软件解决方案
Erick Aronés1, Jefferson Espinal1, Cesar Salas1
1School of Computer Science, Peruvian University of Applied Science (UPC), Lima, Peru.
Frontiers in artificial intelligence
|October 31, 2025
概括
一个新的移动应用程序,App2,使用混合AI模型从用户图像中检测六种常见的果树叶病. 这种工具的成功率为95%,有助于早期发现疾病,改善作物管理.
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:
- 早期发现作物疾病对于最大限度地减少产量损失和提高农业管理至关重要.
- 现有的疾病识别方法可能耗时,需要专门的专业知识.
研究的目的:
- 开发一个用户友好的移动应用程序 (App2),用于早期检测果树叶中的疾病.
- 为农民和农业专业人员创建一个可访问的工具来监测作物健康.
主要方法:
- 开发了一种混合模型,将卷积神经网络 (CNN) 和支持矢量机器 (SVM) 结合起来用于图像识别.
- 将模型集成到一个移动应用程序中,使用React Native接口和在Azure上部署的FastAPI后端.
- 利用OpenAI API进行图像预先过,以确保与作物叶子相关.
主要成果:
- 该模型被训练分类六个类别:,黑色腐烂,生,健康,粉和蜘蛛.
- 在测试案例中达到95%的成功率,在检测受影响叶子的清晰图像方面达到80%的性能.
- 用户评估证实了高可用性和对应用程序的满意度.
结论:
- 开发的移动应用程序 (App2) 是一个有前途的技术工具,用于在果作物中进行可访问和有效的疾病监测.
- 混合CNN-SVM模型显示出从移动拍摄的图像中准确识别疾病的强大潜力.
- 该应用程序可以大大减少产量损失和提高作物管理效率.
