Rice Plant Leaf Disease Detection—A Comparison of Various Methodologies

Dieses Kapitel vertieft sich in die kritische Frage der Erkennung von Reispflanzenblättern und konzentriert sich auf den Vergleich verschiedener Methoden wie Convolutional Neural Networks (CNNs), Data Augmentation und Generative Adversarial Networks (GANs). Die Studie beginnt mit einer Einführung in die Reispflanzenarten und ihre Bedeutung, gefolgt von einer Literaturübersicht über bestehende Erkennungsmethoden von Krankheiten. Die vorgeschlagene Arbeit umfasst die Schulung eines CNN-Modells mit Originalbildern, erweiterten Daten und GAN-generierten Daten. Der verwendete Datensatz umfasst Bilder von drei häufigen Reispflanzenkrankheiten: Bakterienbrand, Knall und brauner Fleck. Die experimentellen Analysen und Ergebnisse zeigen, dass das mit GAN-generierten Daten trainierte Modell die anderen übertrifft und die höchste Genauigkeit erreicht. Das Kapitel schließt mit einer Diskussion über den zukünftigen Umfang der Arbeit, wobei das Potenzial von GANs bei der Verbesserung der Modellausbildung und der Identifizierung von Krankheiten hervorgehoben wird. Diese Vergleichsstudie bietet wertvolle Erkenntnisse über die Wirksamkeit verschiedener Techniken zur Datenvermehrung, um die Genauigkeit der Erkennung von Reispflanzenkrankheiten zu verbessern.