物联网集成的CNN框架用于自动检测和定量大米和土豆作物疾病
Gaurav Verma1, Abhishek Kumar Saxena1, Mritunjay Rai2
1Department of Electrical and Electronics Engineering, Shri Ramswaroop Memorial University, Barabanki, India.
Scientific reports
|November 1, 2025
概括
本研究介绍了一个物联网框架,使用卷积神经网络 (CNN) 来自动检测大米和土豆中的作物疾病. 该系统在疾病的分类和量化方面实现了高精度,有助于精准农业.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 物联网 (IoT) 的物联网 (IoT) 的物联网.
背景情况:
- 准确的作物疾病识别对于现代精准农业至关重要,以尽量减少产量损失和农药使用.
- 现有的方法可能缺乏实时现场应用所需的速度和准确性.
研究的目的:
- 开发和验证一个物联网支持的框架,用于自动分类和定量大米和土豆作物疾病.
- 评估一个卷积神经网络 (CNN) 模型的性能,该模型与图像处理集成,用于疾病分析.
主要方法:
- 使用智能手机和折叠镜设备创建了一个超过1,800张作物图像的定制数据集.
- 开发并训练了一种CNN模型,用于图像分类和像素级别的细分,用于疾病量化.
- 该框架是使用MATLAB GUI实现的,并为FPGA上的硬件部署进行了合成.
主要成果:
- 在CNN模型实现了超过95%的分类准确度和90.5%的疾病量化准确度.
- 确切确定了感染水平,严重程度从0.68%到13.98%不等.
- 硬件部署证明了资源效率高的性能,FPGA利用率低.
结论:
- 拟议的物联网框架为有效的作物疾病监测提供了可扩展和现场部署的解决方案.
- 这项技术通过及时准确的疾病管理干预来支持可持续的农业实践.
