Разработка приложения для идентификации болезней какао и борьбы с ними с использованием глубокого обучения
Development of a Cacao Disease Identification and Management App Using Deep Learning
Pagaduan, Zaldy, Occidental, Jason, Duro, Nathaniel, Badilles, Dexielito, Palconit, Eleonor
Аннотация (перевод)
Мелкие производители какао часто полагаются на устаревшие методы ведения сельского хозяйства и сталкиваются со значительными проблемами, связанными с вредителями и болезнями, в отличие от более крупных плантаций, располагающих большими ресурсами и экспертными знаниями. На Филиппинах фермеры, выращивающие какао, имеют ограниченный доступ к данным, информации и надлежащей сельскохозяйственной практике. В данном исследовании эти проблемы решаются путем разработки мобильного приложения для идентификации болезней какао и борьбы с ними, которое работает в автономном режиме, что позволяет использовать его в отдаленных районах, где расположено большинство ферм. Основой системы является модель глубокого обучения, обученная точно идентифицировать болезни какао. Обученная модель интегрирована в мобильное приложение для поддержки фермеров при проведении полевой диагностики. Точность валидации модели идентификации болезней достигла 96.93%, в то время как точность валидации модели для определения степени заражения черной стручковой гнилью какао составила 79.49%. Полевые испытания приложения показали степень согласованности 84.2% по сравнению с оценками квалифицированных специалистов по какао. Этот подход расширяет возможности мелких фермеров, предоставляя доступные технологичные инструменты для улучшения здоровья и урожайности культур 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Smallholder cacao producers often rely on outdated farming techniques and face significant challenges from pests and diseases, unlike larger plantations with more resources and expertise.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/4f45eee6-351b-4285-85bc-5206e8ab7f9f
DOI: 10.48550/arxiv.2602.00216