Identifier la maladie manioc
iPhone / Utilitaires
Comme les symptômes des plants de manioc malades peuvent apparaître lentement, il est très difficile pour les agriculteurs de remarquer et de diagnostiquer correctement la maladie. Les feuilles sont la partie la plus fréquemment observée pour détecter une infection.
Tout ce que les agriculteurs ont à faire est d'agiter le téléphone devant la feuille d'une plante malade et l'application le diagnostique et suggère des moyens de maintenir la récolte.
Les maladies des plantes de manioc (également connues sous le nom de yuca, macaxeira, mandioca, aipim et agbeli) sont un facteur majeur des pertes de la production agricole moderne. La gravité de la maladie du manioc est un paramètre important pour mesurer le niveau de la maladie et peut donc être utilisée pour prédire le rendement et recommander un traitement. Le diagnostic rapide et précis de la gravité de la maladie aidera à réduire les pertes de rendement.
Un autre avantage:
+ Vous pouvez les protéger.
+ Vous pouvez faire pousser plus de cultures.
+ Vous pouvez avoir une source de nourriture plus fiable
Cette application permet d'utiliser des techniques de vision par ordinateur pour surveiller le type et la gravité de la maladie et augmenter les rendements.
Une énorme base de données d'images (des milliers d'images) a été utilisée pour obtenir une plante de manioc d'une précision maximale.
Cette application propose également une option pour signaler une image qui n'a pas pu être reconnue. Si tel est le cas, il est automatisé que vous pouvez le signaler immédiatement par courrier électronique à l'auteur. Cela garantit donc que la base de données s'améliorera constamment.
Le but de cette application est d'aider les agriculteurs à construire des récoltes meilleures et plus grandes, ce qui se traduit par un monde plus durable.
Pour tout doute, veuillez me contacter à bellostudios@gmail.com.
Quoi de neuf dans la dernière version ?
Amélioration de la précision de l'identifiant, car davantage de photos ont été ajoutées à l'ensemble de données. Le moteur d'apprentissage automatique est donc devenu plus adaptatif.
