Solution Intelligente pour Améliorer le Secteur Agriculture

Abstract

Dans le secteur agricole, la détection précoce et le diagnostic précis des maladies des cultures sont essentiels pour assurer la sécurité alimentaire et maximiser les rendements. Cette thèse présente une solution intelligente visant à améliorer le secteur agricole grâce à la détection des maladies des feuilles de blé. En tirant parti des techniques avancées d'apprentissage profond, notamment des réseaux de neurones convolutionnels (CNN), des architectures InceptionV3 et YOLOv8, l'étude se concentre sur l'identification et la classification des maladies courantes des feuilles de blé telles que la septoriose et la rouille jaune, ainsi que sur la distinction des feuilles saines. Le flux de travail complet, de la collecte des données et la prétraitement au l'entraînement et l'évaluation des modèles, est mis en évidence. Les résultats démontrent des améliorations significatives de la précision de la détection des maladies, offrant un outil prometteur pour les agriculteurs et les agronomes. Cette solution intelligente a le potentiel de révolutionner la culture du blé en fournissant une gestion des maladies précise et en temps opportun, menant finalement à une productivité et une durabilité accrues dans le secteur agricole.