Журнал физиологии и патологии растений

Использование сверточной нейронной сети для диагностики распространенных заболеваний у Oryza Sativa

Грейс Чжан

Заболевания, поражающие растения риса, стали основным ингибитором выращивания сельскохозяйственных культур, что приводит к потере 20-40% урожая риса ежегодно. Это привело к увеличению зависимости от других культур и росту продовольственной нестабильности в развивающихся странах. Кроме того, многие фермеры не обладают знаниями и ресурсами для сдерживания усугубляющего воздействия патогенов на растения риса. Одним из ключевых шагов в снижении этого воздействия является предоставление эффективной и надежной диагностики. За последнее десятилетие популярность сверточных нейронных сетей (CNN) возросла благодаря их успеху в диагностической технологии. Целью этого проекта было создание эффективной модели CNN, которая использует классификацию изображений для диагностики изображений больных растений риса. В ходе эксперимента было выявлено четыре класса, включая пирикуляриоз риса, фитофтороз обвертки и бурую пятнистость. Набор данных здоровых растений риса также использовался в CNN в качестве контрольной переменной. Более 3000 изображений растений риса были обучены в нейронной сети, из которых 499 изображений, или примерно 15%, использовались в тестовом наборе данных. Точность 97,39% была достигнута с лучшей моделью CNN на тестовом наборе данных. Этот проект применим в бедных сельских районах, где доступ к диагностическим технологиям ограничен, и он показывает, насколько перспективно использование машинного обучения в области фитопатологии.