Dr. Samuel Chepuri / Dr. Y. Ramadevi
Librería Samer Atenea
Kálamo Books
Librería Elías (Asturias)
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Le coton est une culture commerciale majeure, mais son rendement est souvent affecté par diverses maladies foliaires causées par des bactéries, des champignons et des virus. Une détection précoce est essentielle pour minimiser les dégâts et améliorer la productivité. Ce cadre présente une approche basée sur l’apprentissage profond pour la détection et la gestion automatisées des maladies foliaires du coton. Il utilise des réseaux neuronaux convolutifs (CNN) pour analyser des images de feuilles et les classer en deux catégories : saines ou malades.Le système intègre des techniques de prétraitement des images, telles que le redimensionnement, la normalisation et l’augmentation, afin d’améliorer la précision du modèle. Une fois entraîné, le modèle est capable d’identifier les maladies rapidement et de manière fiable. Outre la détection, ce cadre fournit des recommandations pour la lutte contre les maladies, notamment des traitements adaptés et des mesures préventives.Cette approche réduit le recours à l’inspection manuelle, permet de gagner du temps et aide les agriculteurs dans leur prise de décision. Dans l’ensemble, ce cadre démontre le potentiel de l’apprentissage profond pour améliorer la santé des cultures et promouvoir une agriculture durable.
