Abstrait

Optimisation du CNN avec LSTM pour la classification et la prédiction des plantes

Anuradha Tyagi, Deepika Punj, Shilpa Sethi

Les maladies des plantes constituent une menace distincte pour le domaine de l'agriculture et des plantations dans le monde entier. Les maladies qui ne sont pas correctement traitées entraîneront une réduction de la récolte de la culture. L'identification précoce de la maladie est une chose très importante. Cela permet d'empêcher la maladie de se propager à d'autres plantes. La détection des maladies courantes des plantes se fait par observation directe de chaque plante. Considérant que, le motif derrière la recherche est de découvrir la maladie à un stade précoce permettant à la technique de gestion conservatrice d'initier le traitement et d'éviter la propagation de la maladie dans les plantes ou les feuilles restantes. Le schéma proposé est une analogie de détection automatique basée sur l'observation utilisant le traitement d'images numériques soutenu par le développement de la technologie visuelle et des produits numériques. La détection des maladies des plantes est basée sur les feuilles tombées malades à cause d'insectes, de bactéries ou de champignons. Cependant, le schéma inculque la détection automatique de la maladie dans la plante et la carence est survenue en raison de la nature complexe de la maladie. Par conséquent, les identifications de schéma proposées des définitions de type de maladie utilisent un niveau de gris comprenant CNN (Convolutional Neural Network) et Long Short Term Memory (LSTM) avec efficacité et précision.