App detectar enfermedades plantas
Aplicación Plantix
Las enfermedades de los cultivos son una gran amenaza para la seguridad alimentaria, pero su rápida identificación sigue siendo difícil en muchas partes del mundo debido a la falta de la infraestructura necesaria. La combinación de la creciente penetración de los teléfonos inteligentes en todo el mundo y los recientes avances en visión por ordenador, posibles gracias al aprendizaje profundo, han allanado el camino para el diagnóstico de enfermedades asistido por teléfonos inteligentes. Utilizando un conjunto de datos público de 54.306 imágenes de hojas de plantas enfermas y sanas recogidas en condiciones controladas, entrenamos una red neuronal convolucional profunda para identificar 14 especies de cultivos y 26 enfermedades (o su ausencia). El modelo entrenado alcanza una precisión del 99,35% en un conjunto de pruebas retenidas, lo que demuestra la viabilidad de este enfoque. En general, el enfoque de entrenar modelos de aprendizaje profundo en conjuntos de datos de imágenes cada vez más grandes y disponibles públicamente presenta un camino claro hacia el diagnóstico de enfermedades de los cultivos asistido por smartphone a escala global masiva.
Se han desarrollado varios esfuerzos para prevenir la pérdida de cultivos debido a enfermedades. En la última década, los enfoques históricos de aplicación generalizada de pesticidas se han complementado cada vez más con enfoques de gestión integrada de plagas (GIP) (Ehler, 2006). Independientemente del enfoque, la identificación correcta de una enfermedad cuando aparece por primera vez es un paso crucial para su gestión eficaz. Históricamente, la identificación de enfermedades ha contado con el apoyo de organizaciones de extensión agrícola u otras instituciones, como clínicas locales de plantas. Más recientemente, estos esfuerzos se han complementado con el suministro de información en línea para el diagnóstico de enfermedades, aprovechando la creciente penetración de Internet en todo el mundo. Incluso más recientemente, han proliferado las herramientas basadas en teléfonos móviles, aprovechando la rápida adopción sin precedentes de la tecnología de telefonía móvil en todas las partes del mundo (UIT, 2015).
¿Qué le pasa a mi aplicación para plantas?
La familia MyPestGuide de herramientas de apoyo gratuitas incluye una aplicación dedicada a los reporteros y tres (3) guías de campo para la identificación de plagas (iOS, Apple y Android), que funcionan junto con el sitio web de la comunidad. MyPestGuide ayuda a poner en contacto a personas que tienen problemas de plagas similares en su área local, creando una red de colaboración.
La información recopilada por los usuarios de MyPestGuide refuerza y apoya el acceso de Australia a los mercados de ultramar existentes o nuevos, ayudando al departamento a mantener el estatus de Australia como país libre de plagas y a inferir que estamos libres de plagas exóticas. Así que, por favor, ayude a la bioseguridad de las explotaciones, al medio ambiente y a nuestra economía participando en la nueva comunidad de seguimiento y vigilancia de plagas. ¡Notifique una plaga hoy mismo!
La guía de campo MyPestGuide Enfermedades funciona conjuntamente con MyPestGuide Reporter. Utilícela para identificar enfermedades de partes de plantas o signos observables de daños en cultivos de cereales en toda Australia Occidental.
Detección de enfermedades y plagas de las plantas basada en deep learning una revisión
Trabajamos constantemente para añadir más cultivos y poner la información a disposición de nuestros usuarios. Nos llevará algún tiempo incorporar sus sugerencias. Puedes hacer uso de nuestra comunidad para plantear dudas y buscar respuestas de nuestros expertos.
Sólo tiene una opción para como 15 cultivos específicos, no se puede utilizar para cualquier cosa diferente, así que si usted tiene esos cultivos muy específicos puede elegir hasta 8, yo sólo tenía uno, por lo que sólo los cultivos de alimentos, no plantas54 people found this review helpfulPlantix13 de marzo de 2023Hola,
Sentimos que no hayas podido encontrar tu planta en Plantix. En este momento, trabajamos con 45 cultivos diferentes. Hemos querido empezar con los cultivos más populares en todo el mundo. Estamos trabajando constantemente para añadir más cultivos. Puedes hacer uso de nuestra comunidad para plantear tus dudas a nuestros AgriExpertos.
Llevo dos meses utilizando esta aplicación. Da información detallada sobre fertilizantes, enfermedades de los cultivos, pesticidas. Lo mejor que quiero compartir es que podemos hacer clic en la imagen de los cuerpos y la aplicación da el análisis exacto de la condición de los cultivos. 215 personas encontraron esta opinión útilPlantixDecember 28, 2022Querido amigo, nos alegramos mucho de que te guste Plantix. Su apoyo y su voz son muy importantes para nosotros.
La mejor aplicación para identificar plantas
La aplicación está escrita en Kotlin, utiliza CameraX para tomar las fotos y MLKit para el análisis de aprendizaje automático en el dispositivo. La funcionalidad principal gira en torno a tomar una foto, analizarla y mostrar los resultados.
MLKIt facilita el reconocimiento del contenido de una imagen utilizando su objeto ImageLabeler, por lo que Chet simplemente toma un fotograma de CameraX y lo utiliza. Cuando esto tiene éxito, recibimos una colección de ImageLabels, que convertimos en cadenas de texto y mostramos una tostada con los resultados.
Hay un montón de maneras de obtener estos datos - que comenzará a aparecer en el tablero de instrumentos Firebase, pero una forma muy divertida de ver estos datos es utilizar StreamView, que le da una muestra en tiempo real de qué tipo de resultados analíticos que estamos viendo.
Usando Firebase, también podrías, por ejemplo, añadir pruebas A/B a tu aplicación para elegir el mejor modelo para tus usuarios; tener una configuración remota para mantener tu aplicación actualizada; tener un inicio de sesión fácil en tu aplicación si quieres que los usuarios inicien sesión, ¡y mucho más!
Por ejemplo, hay que considerar si tiene sentido mostrar intervalos de confianza y cómo. O considerar cómo se diseña la experiencia de incorporación para establecer las expectativas del usuario sobre las capacidades y limitaciones de su aplicación basada en ML, que es vital para la adopción de la aplicación y el compromiso. Para obtener más orientación sobre las decisiones de diseño de IA, consulte la guía People + AI Guidebook.
