##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Анотація
Сільське господарство відіграє життєво важливу роль в економіці Шрі-Ланки. Вирощування таких культур, як помідори та картопля, які використовуються як фрукти та овочі, значно збільшить заробіток фермера. Однак урожай томатів і картоплі стикається з численними проблемами, наприклад, зараження хворобами може значно знизити врожайність. Раннє виявлення цих захворювань має вирішальне значення для вчасного втручання та мінімізації потенційної шкоди. Поточне дослідження має на меті проаналізувати існуючі методології та визначити найбільш ефективні підходи до виявлення хвороб у посівах томатів і картоплі. Методи обробки зображень дозволяють виділяти відповідні ознаки з цифрових зображень заражених рослин, допомагаючи точно ідентифікувати захворювання. Крім того, алгоритми машинного навчання виявилися цінними інструментами для аналізу складних наборів даних і розрізнення здорових і хворих рослин. Огляд досліджує різні методи обробки зображень, включаючи сегментацію зображень, вилучення ознак і алгоритми класифікації (машини опорних векторів, випадкові ліси та згорткові нейронні мережі). Придатність цих методів гарантує, що ідентифікація хвороб у рослин томатів базується на їх точності, ефективності та міцності. Результати цього огляду стануть основою для розробки програмного забезпечення для точної ідентифікації хвороб листя томатів. Забезпечуючи точну ідентифікацію та лікування хвороб, це дослідження спрямоване на підвищення стійкості та продуктивності вирощування томатів і картоплі на Шрі-Ланці, сприяючи сталому зростанню сільськогосподарського сектора.
##plugins.themes.bootstrap3.article.details##
Посилання
[2.] Aparajita, A.A., Kumar, N.S., Shekar, N.C. and Kalavathi, S., 2017. Compressibility behaviour of conducting ceramic TiB2. Materials Research Express, 4(9), p.096508.
[3.] Ashqar, B.A. and Abu-Naser, S.S., 2018. Image-based tomato leaves diseases detection using deep learning.
[4.] Asif, M.K.R., Rahman, M.A. and Hena, M.H., 2020, December. CNN based disease detection approach on potato leaves. In 2020 3rd International Conference on Intelligent Sustainable Systems (ICISS) (pp. 428-432). IEEE.
[5.] Gadade, H.D. and Kirange, D.K., 2020, July. Tomato leaf disease diagnosis and severity measurement. In 2020 Fourth World Conference on Smart Trends in Systems, Security and Sustainability (WorldS4) (pp. 318-323). IEEE.
[6.] Iqbal, M.A. and Talukder, K.H., 2020, August. Detection of potato disease using image segmentation and machine learning. In 2020 International Conference on Wireless Communications Signal Processing and Networking (WiSPNET) (pp. 43-47). IEEE.
[7.] Jasim, M.A. and Al-Tuwaijari, J.M., 2020, April. Plant leaf diseases detection and classification using image processing and deep learning techniques. In 2020 International Conference on Computer Science and Software Engineering (CSASE) (pp. 259-265). IEEE.
[8.] Liu, S., Shen, M., Xiao, Y., Luo, Y. and Xie, J., 2020. Effect of maize, potato, and pea starches with Mesona chinensis polysaccharide on pasting, gelatinization properties, granular morphology and digestion. Food Hydrocolloids, 108, p.106047.
[9.] Pushpa, B.R., Ashok, A. and AV, S.H., 2021, September. Plant disease detection and classification using deep learning model. In 2021 third international conference on inventive research in computing applications (ICIRCA) (pp. 1285-1291). IEEE.
[10.] Qasrawi, R., Vicuna Polo, S., Al-Halawa, D.A., Hallaq, S. and Abdeen, Z., 2022. Schoolchildren'depression and anxiety risk factors assessment and prediction: Machine learning techniques performance analysis.
[11.] Rahman, J.U., Makhdoom, F. and Lu, D., 2023. ASU-CNN: An Efficient Deep Architecture for Image Classification and Feature Visualizations. arXiv preprint arXiv:2305.19146.
[12.] Shijie, J., Peiyi, J. and Siping, H., 2017, October. Automatic detection of tomato diseases and pests based on leaf images. In 2017 Chinese automation congress (CAC) (pp. 2537-2510). IEEE.
[13.] Sholihati, R.A., Sulistijono, I.A., Risnumawan, A. and Kusumawati, E., 2020, September. Potato leaf disease classification using deep learning approach. In 2020 international electronics symposium (IES) (pp. 392-397). IEEE.
[14.] Suresh, K., Khanal, U., Wilson, C., Managi, S., Quayle, A. and Santhirakumar, S., 2021. An economic analysis of agricultural adaptation to climate change impacts in Sri Lanka: An endogenous switching regression analysis. Land Use Policy, 109, p.105601.
[15.] Tiwari, D., Ashish, M., Gangwar, N., Sharma, A., Patel, S. and Bhardwaj, S., 2020, May. Potato leaf diseases detection using deep learning. In 2020 4th International Conference on Intelligent Computing and Control Systems (ICICCS) (pp. 461-466). IEEE.
[16.] Wijekoon, J.L., Nawinna, D., Gamage, E., Samarawickrama, Y., Miriyagalla, R., Rathnaweera, D. and Liyanage, L., 2022. An Intelligent System for Crop Disease Identification and Dispersion Forecasting in Sri Lanka. In Computer Vision and Machine Learning in Agriculture, Volume 2 (pp. 187-205). Singapore: Springer Singapore.