Использование глубокого обучения для обнаружения болезней растений по изображениям

Болезни сельскохозяйственных культур представляют собой серьезную угрозу продовольственной безопасности, однако их быстрая идентификация остается затруднительной во многих частях мира из‑за отсутствия необходимой инфраструктуры. Сочетание растущей глобальной доступности смартфонов и недавних достижений в компьютерном зрении, обеспеченных глубоким обучением, проложило путь к диагностике заболеваний с поддержкой смартфонов. На основе публичного набора данных из 54 306 изображений пораженных и здоровых листьев растений, собранных в контролируемых условиях, мы обучаем глубокую сверточную нейронную сеть для определения 14 видов сельскохозяйственных культур и 26 заболеваний (или их отсутствия). Обученная модель достигает точности 99,35% на отложенном тестовом наборе, что демонстрирует реализуемость данного подхода. В целом подход обучения моделей глубокого обучения на все более крупных и общедоступных наборах изображений открывает очевидный путь к массовому глобальному использованию смартфонов для диагностики болезней сельскохозяйственных культур.