Expérimentation d’un modèle de détection précoce des maladies de la tomate par apprentissage profond

K. AITELKADI, S. BAKOURI, M. BELBRIK, H. HAJJI, N. CHTAINA

Résumé


Le diagnostic précoce des maladies des plantes joue un rôle important dans l’amélioration du rendement agricole. Ces dernières années, l’apprentissage profond ou Deep learning, particulièrement utilisé dans le traitement des images, offre de nombreuses nouvelles applications liées à l’agriculture de précision. A travers ce travail, nous relevons le défi d’établir une solution collaborative entre le traitement d’image et la phytopathologie. Cette solution permettra de réduire le temps du travail humain nécessaire par l’utilisation des algorithmes afin de faciliter l’identification des maladies des plantes. A travers ce travail, nous avons construit un modèle qui sert à la détection des maladies affectant les tomates à partir des images des feuilles infectées. Les images exploitées proviennent de la Base de données Net PlantVillage. L’usage de ces images comme informations d’entrée, a permis à notre modèle d’apprentissage, basé sur les réseaux de neurones convolutives CNN, d’orienter une nouvelle approche d’automatisation de diagnostic phytopathologique. Avec notre code et notre modèle, nous avons atteint un niveau de précision de prédiction des maladies de la tomate de 94%.

Mots-clés


Mots clés: diagnostic précoce, réseau de neurones convolutives, maladies de la tomate.

Texte intégral :

PDF

Renvois

  • Il n'y a présentement aucun renvoi.