Deep learning per l'individuazione e la gestione delle malattie foglie di cotone

Il cotone è una coltura commerciale di grande importanza, ma la sua resa è spesso compromessa da varie malattie fogliari causate da batteri, funghi e virus. La diagnosi precoce è essenziale per ridurre al minimo i danni e migliorare la produttività. Questo framework presenta un approccio basato sul deep learning per il rilevamento e la gestione automatizzati delle malattie fogliari del cotone. Utilizza reti neurali convoluzionali (CNN) per analizzare le immagini delle foglie e classificarle in categorie sane o malate.Il sistema prevede tecniche di pre-elaborazione delle immagini quali il ridimensionamento, la normalizzazione e l'aumento dei dati per migliorare l'accuratezza del modello. Una volta addestrato, il modello è in grado di identificare le malattie in modo rapido e affidabile. Oltre al rilevamento, il framework fornisce raccomandazioni per il controllo delle malattie, inclusi trattamenti adeguati e misure preventive.Questo approccio riduce la dipendenza dall'ispezione manuale, fa risparmiare tempo e supporta gli agricoltori nel processo decisionale. Nel complesso, il framework dimostra il potenziale del deep learning nel migliorare la salute delle colture e nel promuovere un'agricoltura sostenibile.