L'Ensemble AgriMind Migliora il Rilevamento delle Malattie delle Piante con una Precisione del 99,23%

AgriMind, un innovativo framework di deep learning ensemble, integra ResNet50, EfficientNet-B0 e DenseNet121 per classificare molteplici malattie delle piante. Utilizzando 20.638 immagini da PlantVillage, che coprono 15 categorie di malattie in peperone, patata e pomodoro, questo ensemble ha raggiunto un'impressionante precisione del 99,23% su un set di test separato, riducendo significativamente i tassi di errore di due terzi rispetto ai modelli individuali (96-97%). L'approccio ha impiegato il transfer learning con backbone ImageNet fissi e 10 epoche di training solo sulla testa per mantenere un flusso di lavoro snello. I tentativi di migliorare la media verso il miglior modello di validazione o di escludere un singolo modello hanno portato a risultati peggiori. Il framework mira a facilitare il rilevamento automatico delle malattie per gli operatori di divulgazione agricola in Bangladesh, dove le ispezioni manuali rimangono comuni, con un uso pratico su dispositivi mobili basato sull'ottimizzazione TensorFlow Lite.