Kamerabaseret bestemmelse af sygdomstryk sukkerroer med kunstig intelligens
Konklusion
Baseret på tre års resultater fra markforsøg opnået i dette projekt:
• Det er muligt at indsamle farvebilleder af sukkerroer med et RGB-kamera monteret på en markrobot i tilstrækkelig kvalitet til at et menneske kan genkende de gængse sygdomme rust, meldug og Cercospora-bladplet.
• Efter annotering af billederne er det muligt at træne og validere et dybt neuralt netværk til at genkende sukkerroe, baggrund og sygdomme (rust og delvist meldug; Cercospora-bladplet var ikke tilgængeligt i testdata).
• Det er muligt at monitorere sygdomsudviklingen i sukkerroer i marken over tid ved at analysere de indsamlede billeder med det trænede netværk.
• Vi kan identificere de områder i markforsøgene, hvor sygdommene starter og udvikler sig ud fra.
Conclusion
Based on three years of results achieved in this project:
• It is possible to collect colour images of sugar beet using an RGB camera mounted on a field robot in sufficient quality for a human to recognize the common diseases rust, powdery mildew, and Cercospora leaf spot.
• After annotating the images, it is possible to train and validate a deep neural network to recognize sugar beet leaves, background, and diseases (rust and partly powdery mildew; Cercospora leaf spot was not present in test data).
• It is possible to monitor the development of the disease in sugar beet over time by analyzing the collected images using the trained network.
• We can identify areas in the field experiments where diseases start and develop from.