Abstract
Machine learning technologies have developed rapidly in recent years, and people are now able to use them in various spheres of life, making their lives easier and better. The agro-industry is not lagging behind, and every year more and more problems in this area are solved with the help of machine learning algorithms. However, among the problems that have not yet been solved is the problem of identifying diseases of agricultural plants. According to the UN research, about 40% of the world’s harvest dies each year from various diseases, most of which could be avoided through timely intervention and treatment.To solve this problem, we offer an easy, accessible service for everyone, which will allow one to predict by the image of the plant leaves whether it is sick or healthy, or whether it needs any help or intrusion. This service will be indispensable for small farms engaged in growing crops. Thus, it will allow employees of such enterprises to immediately detect diseases and receive recommendations for the care of plants important to them.Therefore, it was decided to develop a neural network architecture that will solve this problem: the prediction of a plant disease by the image of its leaves. This neural network model is lightweight, does not take much time to learn, and has high accuracy on our dataset. It was also investigated which popular architectures (e.g. XceptionNet, DenseNet, etc.) of deep neural networks can have great accuracy in solving this problem. To realize the possibility of using the model by end users, i.e. farmers, it was decided to develop a special web service in the form of a telegram bot. With this bot, anyone can upload images of the leaves of agricultural plants and check whether this plant is healthy or free of any diseases. This bot is also trained to give appropriate advice to gardeners on the treatment of diseases or the proper cultivation of healthy plants.This solution fully solves the problem and has every chance to become an indispensable helper in preserving the world harvest.
Highlights
У статті описано розроблену модель нейронної мережі, що дає змогу розпізнавати хвороби рослин за зображенням їхнього листя
Ми вирішили створити спеціальний телеграм-бот, який звертається до моделей машинного навчання та видає користувачу результат відпрацювання моделей із додатковими інформаціями щодо хвороб рослин
With this bot, anyone can upload images of the leaves of agricultural plants and check whether this plant is healthy or free of any diseases
Summary
У статті описано розроблену модель нейронної мережі, що дає змогу розпізнавати хвороби рослин за зображенням їхнього листя. Ключові слова: машинне навчання, класифікація зображень, комп’ютерний зір, глибинне навчання, Tensorflow, хвороби сільськогосподарських рослин. Глибинне навчання дає змогу комп’ютеру будувати складні концепції, поєднуючи більш прості поняття, такі як кути, тіні та контури, які, своєю чергою, визначаються з точки зору різних країв. Зменшення випадків загибелі рослин через такі хвороби дасть змогу фермерам підвищити ефективність власних підприємств, що відповідно збільшить якість та кількість виробленої їжі. Після розширення і класового балансування датасету було проведено нормалізацію зображень: зчитано зображення та змінено їх розмір відповідно до вхідного шару моделей (під час навчання моделей було визначено розмір 220 на 220 пікселів, який давав змогу помістити одну партію зображень в оперативну пам’ять для виконання одного кроку навчання моделі); нормалізовано значення пікселів зображень до розподілу в межах від 0 до 1
Sign-in/Register to view highlights & summary Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
