Разработка приложения для идентификации и управления болезнями какао с использованием глубокого обучения
Development of a Cacao Disease Identification and Management App Using Deep Learning
Zaldy Pagaduan, Jason Occidental, Nathaniel Duro, Dexielito Badilles, Eleonor Palconit
Аннотация (перевод)
Мелкие производители какао часто опираются на устаревшие методы ведения сельского хозяйства и сталкиваются со значительными проблемами из-за вредителей и болезней, в отличие от крупных плантаций, обладающих большими ресурсами и экспертизой. На Филиппинах фермеры, выращивающие какао, имеют ограниченный доступ к данным, информации и хорошим сельскохозяйственным практикам. Настоящее исследование решает эти проблемы путём разработки мобильного приложения для идентификации и управления болезнями какао, которое работает офлайн, что позволяет использовать его в удалённых районах, где в основном расположены фермы. Основой системы является модель глубокого обучения, обученная для точной идентификации болезней какао. Обученная модель интегрирована в мобильное приложение для поддержки фермеров при полевой диагностике. Модель идентификации болезней показала валидационную точность 96,93%, а модель определения уровней поражения какао чёрной ножкой достигла валидационной точности 79,49%. Полевое тестирование приложения показало уровень совпадений 84,2% по сравнению с оценками экспертов — техников по какао. Этот подход даёт возможность мелким фермерам получать доступные инструменты на основе технологий для улучшения здоровья и продуктивности посевов какао.
Оригинальная аннотация
Smallholder cacao producers often rely on outdated farming techniques and face significant challenges from pests and diseases, unlike larger plantations with more resources and expertise. In the Philippines, cacao farmers have limited access to data, information, and good agricultural practices. This study addresses these issues by developing a mobile application for cacao disease identification and management that functions offline, enabling use in remote areas where farms are mostly located. The core of the system is a deep learning model trained to identify cacao diseases accurately. The trained model is integrated into the mobile app to support farmers in field diagnosis. The disease identification model achieved a validation accuracy of 96.93% while the model for detecting cacao black pod infection levels achieved 79.49% validation accuracy. Field testing of the application showed an agreement rate of 84.2% compared with expert cacao technician assessments. This approach empowers smallholder farmers by providing accessible, technology-enabled tools to improve cacao crop health and productivity.
Идентификаторы
Canonical: https://research.holos.house/w/327cd962-24a1-4eb6-b548-438d4d624030