An app to assist farmers in the identification of diseases and pests of coffee leaves using deep learning
A B S T R A C T
近年来，深度学习方法被引入对病虫害引起的叶片病变进行分割和分类。在常用的方法中，卷积神经网络提供了高精度的结果。本研究的目的是提出一个有效和实用的系统，能够分割和分类不同类型的叶损伤，并利用卷积神经网络估计生物制剂引起的应激严重程度。该方法由两个阶段组成:语义分割阶段和严重程度计算阶段和症状病灶分类阶段。每个阶段分别进行测试，突出每个阶段的积极点和消极点。我们在严重性估计方面取得了很好的结果，表明该模型可以很接近真实的严重性值。生物胁迫分类准确率大于97%。由于取得了良好的结果，我们开发并实现了一个Android平台的应用程序，包括语义分割、严重性计算以及症状分类，以帮助专家和农民利用智能手机获取的咖啡叶图像识别和量化生物压力。
1. Introduction
【15】植物不断暴露于各种各样的生物因子，如害虫和病原体(昆虫、病毒、真菌、细菌等)，也暴露于非生物因子，如缺水、热、盐和冷[15]。在这种情况下，重要的是要考虑到，由病原体引起的植物疾病会损害植物的正常状态，中断和改变其重要功能。
【18】它们可能是生产力的限制因素，并导致重大的作物损失。
【7】可以采取许多措施来防止病虫害在种植园的传播。从这个意义上说，病虫害综合管理减少了作物损失的机会，减少了使用农药的
