YOLO深度学习的番茄病检测及移动应用补救建议论文

我们开发了一个全面的计算机系统，以帮助那些采用传统耕作方法且难以获得农业专家处理作物病害的农民。我们的系统利用人工智能（AI）来识别和提供蔬菜疾病的补救措施。为了确保易用性，我们创建了一个移动应用程序，提供用户友好的界面，允许农民查询蔬菜病害并用当地语言获得合适的解决方案。任何对智能手机有基本了解的农民都可以使用开发的系统。具体来说，我们设计了一个支持人工智能的移动应用程序，用于识别和建议蔬菜疾病的治疗方法，重点是番茄病害，以造福尼泊尔当地的农业社区。我们的系统采用最先进的物体检测方法，即你只看一次（YOLO），来检测番茄病害。然后将检测到的信息中继到移动应用程序，该应用程序在领域专家的指导下提供补救措施建议。为了有效地训练我们的系统，我们策划了一个由十类番茄病害组成的数据集。我们利用各种数据增强方法来解决过度拟合问题，并训练了YOLOv5对象检测器。所提出的方法实现了0.76的平均精度，并为与AI系统交互提供了高效的移动界面。虽然我们的系统目前处于开发阶段，但我们正积极努力通过积累更多的训练样本来提高其健壮性和实时可用性。

摘要:我们开发了一台综合计算机协助传统农业农民的制度方法和接触农业专家的机会有限处理作物病害。我们的系统使用人工智能(AI)识别和提供蔬菜的补救措施疾病。为了确保使用方便，我们创造了一款手机应用程序，提供一个友好的用户界面，允许农民对蔬菜病害的询问和接受适宜当地语言的解决方案。开发的系统可以任何对a有基本了解的农民都会使用智能手机。具体来说，我们设计了一个支持人工智能的系统移动应用程序识别和建议补救措施蔬菜病害，重点对番茄病害进行防治尼泊尔当地的农业社区。我们的系统采用了最先进的目标检测方法，即你只看一次(YOLO)，检测番茄病害。检测到的然后，信息被转发到移动应用程序在领域专家的指导下提供补救建议。在为了有效地训练我们的系统，我们策划了