Algoritmi di intelligenza artificiale per la classificazione e la previsione delle malattie delle piante di pomodoro

Tre nuovi modelli di reti neurali convoluzionali profonde sono discussi per la classificazione delle foglie delle piante di pomodoro. Le prestazioni dei dataset aumentati e di quelli originali sono state confrontate utilizzando modelli all'avanguardia come AlexNet, GoogLeNet, VGG16, MobileNetV2, SqueezeNet, ResNet-18, ResNet-50 e ResNet-101 con apprendimento per trasferimento. In questo libro vengono discusse le malattie delle piante di pomodoro: peronospora precoce, peronospora tardiva, macchia batterica, muffa fogliare, virus del mosaico, macchia target, Septoria leaf spot, virus dell'arricciamento fogliare giallo e minatore fogliare. La temperatura e l'umidità relativa giocano un ruolo fondamentale nelle condizioni ambientali suscettibili alle malattie delle piante. La previsione di questi parametri viene effettuata utilizzando i modelli ARIMA, Prophet, Long Short-Term Memory e Bilinear Long Short-Term Memory con ottimizzazione bayesiana.