Real-Time Detection of Strawberry Powdery Mildew Disease Using a Mobile Machine Vision System
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Strawberry cropping system relies heavily on proper disease management to maintain high crop yield. Powdery mildew, caused by Sphaerotheca macularis (Wall. Ex Fries) is one of the major leaf diseases in strawberry which can cause significant yield losses up to 70%. Field scouts manually walk beside strawberry fields and visually observe the plants to monitor for powdery mildew disease infection each week during summer months which is a laborious and time-consuming endeavor. The objective of this research was to increase the efficiency of field scouting by automatically detecting powdery mildew disease in strawberry fields by using a real-time machine vision system. A global positioning system, two cameras, a custom image processing program, and a ruggedized laptop computer were utilized for development of the disease detection system. The custom image processing program was developed using color co-occurrence matrix-based texture analysis along with artificial neural network technique to process and classify continuously acquired image data simultaneously. Three commercial strawberry field sites in central Nova Scotia were used to evaluate the performance of the developed system. A total of 36 strawberry rows (~1.06 ha) were tested within three fields and powdery mildew detected points were measured manually followed by automatic detection system. The manually detected points were compared with automatically detected points to ensure the accuracy of the developed system. Results of regression and scatter plots revealed that the system was able to detect disease having mean absolute error values of 4.00, 3.42, and 2.83 per row and root mean square error values of 4.12, 3.71, and 3.00 per row in field site-I, field site-II, and field site-III, respectively. The slight deviation in performance was likely caused by high wind speeds (>8 km h−1), leaf overlapping, leaf angle, and presence of spider mite disease during field testing.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle