A Semantic Segmentation Approach on Sweet Orange Leaf Diseases Detection Utilizing YOLO

要約

この研究では、YOLOv8 のような高度な人工知能モデルを利用して、スイート オレンジの葉の病気を診断する高度な方法を紹介します。
重要な農産物としての重要性により、スイート オレンジは、収量と品質の両方に悪影響を与えるさまざまな病気による重大な脅威にさらされています。
病気を検出するための従来の方法は主に手作業による検査に依存していますが、これは効果的ではなく、頻繁に間違いが発生し、治療が遅れ、経済的損失が増加します。
この課題に対応するため、研究では YOLOv8 を利用し、オブジェクトの検出と画像の分析における熟練度を活用しました。
YOLOv8 はその迅速かつ正確なパフォーマンスで認められ、VIT はその詳細な特徴抽出能力で認められています。
印象的なことに、トレーニングと検証の両方の段階で、YOLOv8 は 80.4% の完璧な精度を示し、VIT は 99.12% の精度を達成し、農業における病気の検出を変革する可能性を示しました。
この研究では、農業における AI テクノロジーの実装に関連する実際的な課題を包括的に検討し、計算需要とユーザーのアクセシビリティを網羅し、より幅広い用途に向けた実行可能なソリューションを提供しました。
さらに、環境への配慮、特に農薬使用量削減の可能性を強調し、それによって持続可能な農業と環境保全を促進します。
これらの調査結果は、農業における AI の応用に関する有望な洞察を提供し、より効果的で持続可能で技術的に進歩した農法への移行を示唆しています。
この研究は、特定の農業分野における YOLOv8 の有効性を強調するだけでなく、作物管理と持続可能な農業実践におけるより広範な応用を包含するさらなる研究の基礎を築きます。

要約(オリジナル)

This research introduces an advanced method for diagnosing diseases in sweet orange leaves by utilising advanced artificial intelligence models like YOLOv8 . Due to their significance as a vital agricultural product, sweet oranges encounter significant threats from a variety of diseases that harmfully affect both their yield and quality. Conventional methods for disease detection primarily depend on manual inspection which is ineffective and frequently leads to errors, resulting in delayed treatment and increased financial losses. In response to this challenge, the research utilized YOLOv8 , harnessing their proficiencies in detecting objects and analyzing images. YOLOv8 is recognized for its rapid and precise performance, while VIT is acknowledged for its detailed feature extraction abilities. Impressively, during both the training and validation stages, YOLOv8 exhibited a perfect accuracy of 80.4%, while VIT achieved an accuracy of 99.12%, showcasing their potential to transform disease detection in agriculture. The study comprehensively examined the practical challenges related to the implementation of AI technologies in agriculture, encompassing the computational demands and user accessibility, and offering viable solutions for broader usage. Moreover, it underscores the environmental considerations, particularly the potential for reduced pesticide usage, thereby promoting sustainable farming and environmental conservation. These findings provide encouraging insights into the application of AI in agriculture, suggesting a transition towards more effective, sustainable, and technologically advanced farming methods. This research not only highlights the efficacy of YOLOv8 within a specific agricultural domain but also lays the foundation for further studies that encompass a broader application in crop management and sustainable agricultural practices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google