An Intelligent approach for early detection of potato diseases

Abstract

يسعى القطاع الزراعي بشكل دائم إلى تعزيز وتطوير أنظمته. كما هو الحال مع القطاعات الأخرى، اعتمد القطاع الزراعي في الآونة الأخيرة، مثل كافة القطاعات، على تقنيات الذكاء الاصطناعي لمعالجة البيانات الزراعية، لتحقيق إنتاج محاصيل عالي الجودة. وفي مناطق متنوعة مثل أوروبا، وأمريكا الشمالية، وشرق آسيا، تم استخدام تقنيات التعلم العميق للكشف عن أمراض النباتات، وتحديد أسبابها، وحتى التنبؤ بإنتاجية المحاصيل في مواسم محددة. يهتم هذا البحث بتطبيق هذه التقنيات في البيئة الصحراوية لأنها مختلفة تماما من حيث نوعية التربة غير الخصبة والجفاف وارتفاع ملوحة المياه ودرجات الحرارة القصوى وغيرها. ونقترح استخدام نماذج تم تطويرها سابقا تعتمد على الشبكات العصبية التلافيفية لحل المشكلة. مشكلة درجة تطور مرض أوراق البطاطس. ينصب تركيزنا على إنشاء تطبيق لتحديد وتصنيف أمراض أوراق البطاطس باستخدام مجموعة بيانات تم جمعها خصيصًا من بيئة صحراوية محلية The agricultural sector constantly seeks to strengthen and develop its systems. As with other sectors, the agricultural sector has recently, like all sectors, relied on artificial intelligence technologies to process agricultural data, to achieve high-quality crop production. In regions as diverse as Europe, North America, and East Asia, deep learning techniques have been used to detect plant diseases, determine their causes, and even predict crop yields in specific seasons. This research is concerned with applying these techniques in the desert environment because they are completely different in terms of infertile soil quality, drought, high water salinity, extreme temperatures, etc. We propose to use previously developed models based on convolutional neural networks to solve the problem of the degree of progression of potato leaf disease. Our focus is to create an application to identify and classify potato leaf diseases using a dataset specially collected from a local desert environment.