AI-United » Allgemein » iCassava: das Neuronennetz erkennt Pflanzenkrankheiten aufgrund des Bildes

iCassava: das Neuronennetz erkennt Pflanzenkrankheiten aufgrund des Bildes

Vor kurzer Zeit ist der Wettbewerb iCassava zum Abschluss gekommen. Seine Aufgabe lag darin, ein System zur Erkennung von Krankheiten des Manioks zu entwickeln. Dabei wurden die Bilder der Blätter verwendet. Der Maniok ist die zweitpopulärste Kohlenhydratquelle in Afrika. 

Die Forscher haben einen Wettbewerb ausgetragen, um den Landwirten zu helfen, diese Pflanze anzubauen. Der Wettbewerb wurde von den Wissenschaftlern von Google, the Artificial Intelligence Lab der Makerere University und the National Crops Resources Research Institute in Uganda ausgetragen.

KI-Systeme in Smartphones

Die Idee von iCassava bestand darin, ein vorläufig trainiertes Neuronennetz in den Smartphones der Landwirte (als Anwendung) zu implementieren. Dadurch würde die Anstrengungen der Landwirte zur Erkennung der gefahrenträchtigen Pflanzenkrankheiten minimiert.

Die Beschreibung der Aufgabe

Der Datensatz bestand aus den markierten Pflanzenbildern. Es gab 5 Klassen. Manche Bilder enthielten eine gesunde Pflanze. Die anderen 4 Klassen enthielten die Bilder von kranken Pflanzen. Zu diesen Krankheiten gehören Brown Steak Disease (CBSD), die Mosaikkrankheit (CMD), die Bakteriose (CBB) und die Grüne Milbe (CGM).

Die Daten wurden mit Hilfe von Crowdsourcing von den Kameras verschiedener Smartphones aus verschiedenen Sichtwinkeln, mit unterschiedlicher Beleuchtung gesammelt. Aus diesem Grund muss das Neuronennetz gegenüber der technischen Unterschiede der Bilder stabil sein.

Die Bilder im Datensatz werden in 5 Klassen unterteilt: gesunde Pflanzen (a) und die Pflanzen, die an 4 Arten der Krankheiten leiden (b-e)

Resultate und nächste Schritte

Die Präzision der drei besten Wettbewerbslösungen lag bei 93%. Die beste Lösung verwendete einen zusätzlichen Block der nicht markierten Bilder zum Trainieren des Modells. Alle 3 Lösungen basierten auf ResNet.

Die Wissenschaftler haben vor, den Bilddatensatz in der Folgezeit zu erweitern. Sie planen auch die Aufgabe der Vorhersage des Stadiums der Krankheit in den Wettbewerb einzuführen.

Quelle
AI-United-Redaktion

Kommentar hinzufügen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.