KI-Algorithmen zur Klassifizierung und Vorhersage von Krankheiten bei Tomatenpflanzen

Für die Klassifizierung von Tomatenblättern werden drei neuartige Modelle tiefer neuronaler Faltungsnetzwerke diskutiert. Die Leistung der erweiterten und der ursprünglichen Datensätze wird mit modernsten Modellen wie AlexNet, GoogLeNet, VGG16, MobileNetV2, SqueezeNet, ResNet-18, ResNet-50 und ResNet-101 mit Transferlernen verglichen. Die Pflanzenkrankheiten der Tomate, nämlich Kraut- und Knollenfäule, Bakterienflecken, Blattschimmel, Mosaikvirus, Zielflecken, Septoria-Blattflecken, Yellow-Leaf-Curl-Virus und Miniermotte, werden in diesem Buch behandelt. Temperatur und relative Luftfeuchtigkeit spielen eine wichtige Rolle bei der Anfälligkeit der Umweltbedingungen für Pflanzenkrankheiten. Die Vorhersage dieser Parameter erfolgt mit Hilfe von Modellen wie ARIMA, Prophet, Long Short-Term Memory und bilinearem Long Short-Term Memory mit Bayes'scher Optimierung.