AgriScout: AI-powered robot for precise detection of PVY-infected potato plants
Notice bibliographique
Résumé
The early detection of plant diseases is critical for ensuring optimal crop health and maximizing yield. This study presents an AI-driven autonomous robotic system, “AgriScout”, designed for the early identification and mapping of Potato Virus Y (PVY) infections in potato crops. The developed system integrates an electric field robot equipped with RGB cameras and a GPS-RTK module for precise image capture and geolocation of infected plants. The collected high-resolution images are transmitted to a cloud-based server, where a YOLO (You Only Look Once) deep learning model processes them to detect PVY-infected plants. The system generates an infestation map with accurate geospatial coordinates of affected areas, facilitating targeted intervention. Field trials were conducted in Prince Edward Island, Canada, to develop a labeled dataset comprising healthy and PVY-infected plants across different growth stages and environmental conditions. The YOLO model was trained and validated using this dataset, achieving a mean Average Precision (mAP@0.5) of 85%, an F1-score of 0.80, a Precision of 0.85, and a Recall of 0.76 during testing. The model demonstrated robust detection capabilities under varying foliage densities, effectively distinguishing infected plants with high accuracy. The results underscore the potential of “AgriScout” as a scalable, real-time disease detection solution for precision agriculture. By automating disease monitoring and reducing reliance on manual scouting, the system enhances farm productivity, minimizes yield losses, and supports sustainable disease management practices. The integration of robotics and AI in pathogen detection represents a significant advancement in agricultural automation, paving the way for intelligent, data-driven decision-making in modern farming systems. • AI robot detects PVY-infected potato plants with high accuracy. • Real-time geotagged disease maps generated using RTK-GPS. • Lab-validated YOLO model enables scalable field deployment.
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.
Comment cette classification a été obtenuedéplier
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».