Un studiu revoluționar a fost realizat recent utilizând tehnici avansate de imagistică și învățare automată pentru a revoluționa evaluarea calității și severității bolilor tuberilor de cartofi. Această abordare inovatoare, care a dus la dezvoltarea unei aplicații accesibile numită ScabyNet, evidențiază potențialul tehnologiilor de ultimă generație în sectorul agricol.
Obiectivul principal al studiului a fost evaluarea diferitelor caracteristici de morfologie a tuberilor de cartofi, cum ar fi lungimea, lățimea, suprafața și culoarea, pentru a obține informații valoroase despre calitatea acestor tuberi în vederea utilizării potențiale pe piață. De asemenea, cercetătorii au avut ca scop detectarea și cuantificarea severității mătănii argintii (CS) în tuberii de cartofi utilizând rețele neurale convoluționale (CNN), o formă de învățare automată. În cele din urmă, studiul a urmărit integrarea acestor funcționalități într-o aplicație ușor de utilizat.
Pentru a-și atinge obiectivele, cercetătorii au analizat în total 7200 de tuberi din diferite genotipuri de cartofi din Norvegia, fotografiați cu ajutorul unei camere Canon PowerShot G9 X Mark II. Aceste imagini au fost ulterior procesate folosind OpenCV și TensorFlow în cadrul interfeței ScabyNet. Interfața grafică a aplicației (GUI) a constat în două module principale: unul pentru evaluarea caracteristicilor de morfologie ale tuberilor și altul pentru evaluarea leziunilor cauzate de CS.
Procesarea imaginilor efectuată de ScabyNet a implicat mai multe etape cruciale, inclusiv eliminarea fundalului, conversia culorii, identificarea obiectului și segmentarea. Pentru a asigura acuratețe, cercetătorii au utilizat un instrument de învățare automată numit Trainable Weka Segmentation (TWS), urmat de validare manuală. Modulul de învățare profundă al ScabyNet a folosit diferite arhitecturi, cum ar fi VGG16, VGG19 și ResNet50V2, pentru a prezice nivelurile de severitate ale CS.
În plus, ScabyNet a furnizat analiză a culorii în spațiul de culoare L*a*b și a utilizat cuantificarea culorii prin metoda K-means. Rezultatele individuale ale imaginilor au fost afișate pe ecran, în timp ce rezultatele procesării în lot au fost stocate într-un folder desemnat, însoțite de măsurători asociate. În esență, această metodologie revoluționară stabilește un cadru solid pentru evaluarea calității și severității bolilor în tuberii de cartofi, contribuind astfel potențial la practicile agricole și analiza pieței.
Prin încorporarea tehnologiei de vârf, cum ar fi imagistica avansată și învățarea automată, studiul demonstrează potențialul vast pentru inovare în sectorul agricol. Prin dezvoltarea ScabyNet, fermierii și cercetătorii au acum la dispoziție o unealtă accesibilă pentru evaluarea precisă a calității și severității tuberilor de cartofi, fapt care duce la practici agricole mai informate și la o analiză îmbunătățită a pieței.
The source of the article is from the blog rugbynews.at