Modello ibrido di apprendimento profondo per il rilevamento della malattia della ruggine gialla del grano

Deepak Kumar é professor na Escola de Engenharia e Tecnologia (Ciências Aplicadas), Instituto Internacional de Investigação e Estudos Manav Rachna (MRIIRS), Índia.Sandhya Singh tem um doutoramento em Matemática pelo MRIIRS, Índia.Pooja Khurana é Professora Associada na Escola de Engenharia e Tecnologia (Ciências Aplicadas), MRIIRS, Índia.

In molte regioni del mondo, la qualità del grano e le perdite di resa sono aumentate a causa delle malattie della ruggine del grano. L'identificazione della malattia della ruggine gialla insieme alla percentuale di tessuti danneggiati dalla malattia della ruggine in termini di livelli di gravità è molto importante e di solito si ottiene attraverso valutatori esperti o tecniche di computer vision. Con l'aiuto delle tecniche di computer vision, il costo e il tempo dovrebbero essere ridotti al minimo. Questo studio presenta un modello di classificazione per la ruggine gialla del grano con diversi livelli di gravità della malattia. È realizzato attraverso STARGAN e la rete neurale convoluzionale (CNN). Dopo aver condotto diversi esperimenti con parametri quali diverse epoche, dimensioni dei lotti, tasso di apprendimento e tasso di abbandono, questo studio raggiunge il 94,07% di precisione di classificazione per classificare la ruggine gialla del grano dalla pianta normale. Durante la misurazione della gravità, la CNN ha raggiunto il 94,3% di precisione di convalida della ruggine gialla del grano a livello di gravità elevata.