Mobile application for the detection of common mosaic disease in cassava (Manihot esculenta) using convolutional neural networks
DOI:
https://doi.org/10.55873/rad.v3i1.283Keywords:
mobile application, image classification, mosaic disease, Convolutional Neural Network, TensorFlow 2.0Abstract
We developed a mobile application using a Convolutional Neural Network capable of detecting mosaic disease in images of cassava leaves. We collected 3,400 images of cassava leaves, using 3,000 for training and 400 for validation. This research follows a pre-experimental design. The study type is applied, and the research level is descriptive. We captured the 400 validation photographs with a Redmi Note smartphone, using its 48 Mpx rear camera, with 200 images of healthy leaves and 200 of diseased leaves. We considered the default metrics provided by the TensorFlow 2.0 software library. The mobile application enhances the detection process of mosaic disease. Additionally, we developed a proprietary architecture to ensure accurate image classification and confirmed that the application’s effectiveness significantly influences the detection process of mosaic disease.
Downloads
References
Álvarez, E., & Llano Rodríguez, G. A. (2015). La yuca en el Tercer Milenio: Sistemas modernos de producción, procesamiento, utilización y comercialización. In C. I. de A. T. (CIAT) (Ed.), Manejo de enfermedades y plagas. Consorcio Latinoamericano para la Investigación y el Desarrollo de la Yuca. https://hdl.handle.net/10568/55242
Ardón Muñoz, C. D., & Morales Calderón, B. J. (2021). Clasificación automática de la severidad del Virus del Mosaico Dorado en frijol. Revista Ciencia Multidisciplinaria CUNORI, 5(1 SE-Artículos científicos), 41–50. https://doi.org/10.36314/cunori.v5i1.151
Castro Sandoval, M. M. (2019). Identificación de Citrus leprosis virus C en Citrus sinensis mediante redes neuronales convolucionales de imágenes digitales. Instituto Politécnico Nacional.
Ceballos, H. (2002). La yuca en Colombia y el mundo: nuevas perspectivas para un cultivo milenario. Centro Internacional de Agricultura Tropical - CIAT. http://hdl.handle.net/20.500.12324/18087
Cusme Zambrano, K. D., & Loor Pinargote, A. M. (2019). Aplicación móvil de detección y clasificación de “la roya” en hojas de café robusta mediante aprendizaje automático [ESPAMMFL]. http://repositorio.espam.edu.ec/handle/42000/1104
Fuentes Plaza, F. N. (2024). Visión por computadora para el manejo de plagas y enfermedades en cultivos de papa. [Universidad de Concepción]. https://repositorio.udec.cl/handle/11594/6716
García Alcalá, I. S. (2020). Procesamiento De Imagen Digital Utilizando Redes Neurales Para Identificar El Sistema Negro En El Cultivo De Plantas [Tecnológico Nacional de México]. https://rinacional.tecnm.mx/jspui/handle/TecNM/1499
Langer, G., & Kühl, S. (2024). Perception and acceptance of robots in dairy farming—a cluster analysis of German citizens. Agriculture and Human Values, 41(1), 249–267. https://doi.org/10.1007/s10460-023-10483-x
Malik, J., Kiranyaz, S., & Gabbouj, M. (2021). Self-organized operational neural networks for severe image restoration problems. Neural Networks, 135, 201–211. https://doi.org/10.1016/j.neunet.2020.12.014
Pereyra, M. E. (2020). Detección de enfermedades y plagas en cultivos mediante Machine Learning [Universidad Nacional de La Plata]. http://sedici.unlp.edu.ar/handle/10915/118496
Pinedo, J. C. S. M., López, C. A. R., Grández, C. R., & Estrella, C. W. G. (2021). Reconocimiento de patrones de imágenes a través de un sistema de visión artificial en MATLAB. Revista Científica de Sistemas e Informática, 1(2), 15–26. https://doi.org/10.51252/RCSI.V1I2.131
Sambasivam, G., & Opiyo, G. D. (2021). A predictive machine learning application in agriculture: Cassava disease detection and classification with imbalanced dataset using convolutional neural networks. Egyptian Informatics Journal, 22(1), 27–34. https://doi.org/10.1016/J.EIJ.2020.02.007
Santos, D., Dallos, L., & Gaona-García, P. A. (2020). Motion tracking algorithms using AI and machine learning techniques. Informacion Tecnologica, 31(3), 23–38. https://doi.org/10.4067/S0718-07642020000300023
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Romario Diaz-Holgado, Denis Ricardo Vilcas-Villalba, Ralph Miranda-Castillo, Luis Alberto Holgado-Apaza
This work is licensed under a Creative Commons Attribution 4.0 International License.
