详细内容或原文请订阅后点击阅览
开发人工智能叶病检测系统，帮助农民及早识别作物病害
解决方案获得专利；早期检测可以减少产量损失
来源:The Hindu Business Line _经济Vijaya Saraswathi，海得拉巴 VNR Vignana Jyothi 工程技术学院的教师兼研究员
一名计算机网络博士生如何将数十年来目睹父亲因植物叶病造成农作物损失而苦苦挣扎的经历转变为人工智能的突破。 Vijaya Saraswathi 是海得拉巴 VNR Vignana Jyothi 工程技术研究所的教师兼研究员，他亲身了解疾病如何给番茄、马铃薯和辣椒种植者造成损失。
这些童年记忆为一项深刻的个人使命奠定了基础——找到叶病的解决方案，帮助农民及早发现植物病害，防止丰收的成果被浪费。
用于早期疾病检测的人工智能解决方案
她与研究团队一起收集了 20,000 多张公开图像，并开发了一种解决方案来帮助农民解决这个问题。该团队获得了“使用卷积神经网络的叶病检测系统”的专利。
该团队在包含 20,000 多张图像的 Kaggle PlantVillage 数据集上构建了他们的工作。他们使用标准图像处理、特征提取和分割步骤训练了卷积神经网络 (CNN) 模型。
由害虫、真菌和细菌引起的叶病可从上到下破坏农作物，对粮食安全构成严重威胁。传统上，发现这些疾病需要持续、费力的监测。为了防止严重损失并提高产量，早期自动检测变得至关重要。
“早期准确的疾病识别可以帮助农民做出明智的决定，优化农药的使用，并提高农业生产力，”她说。
“该解决方案反映了如何应用人工智能和深度学习来解决现实世界的农业挑战，”她说。
已获专利，计划移动应用程序
发布于 2026 年 7 月 21 日