Disease detection in rice leaves using transfer learning techniques

Abstract

Recent development in deep learning techniques have had a massive impact in the field of agricultural disease detection. The negative impact of pest and bacterial diseases to rice plants are well known, and for regions where rice is staple, this is issue carries a lot of weight. This work proposes a high accuracy, transfer learned model that can provide a mobile solution for farmers and agricultural organizations to detect rice leaf diseases at hand. This study also utilizes a generative adversarial network to balance the number of disease samples. We compare our model to other transfer learning architectures as well. The presented model tested on a GAN augmented dataset, achieves an average cross validation accuracy of 98.79% outperforming paradigm classification architectures. The model is also compared on 3 different datasets, without the GAN augmentation, establishing benchmark performance of 98.38% average accuracy.

Improved Multi-Plant Disease Recognition Method Using Deep Convolutional Neural Networks in Six Diseases of Apples and Pears

“…The performance comparison with existing methods is represented in Table 5. The proposed method has shown its superiority over the methods in Yin et al [9], Elhassouny and Smarandache [31], Kathiresan et al [32], and Sagar and Jacob [33].…”

Fine-Tuning Model Transfer Learning VGG16 Untuk Klasifikasi Citra Penyakit Tanaman Padi

“…Hal ini berdasarkan data hasil pertanian yang menyatakan bahwa ada sebanyak 700 juta ton per tahun dihasilkan dari lahan seluas 158 juta hektar, terutama di wilayah Asia yang mencapai 90,2% dari produksi secara keseluruhan pada tahun 2018. Sementara, wilayah Amerika hanya memproduksi 5% dan Afrika memproduksi 4,2% [1]- [4].…”

“…Deteksi penyakit pada tanaman padi sejak awal penanaman akan mengurangi dampak pertumbuhan tanaman cukup signifikan. Dengan adanya perawatan yang tepat dari hasil identifikasi kasus penyakit sejak ini akan menambah produktivitas hasil pertanian [1].…”

“…Dengan menggunakan data citra gambar tanaman, computer akan mendeteksi secara otomatis jenis penyakit yang sedang dialami oleh tanaman padi [14], [15]. Penyakit tanaman padi cukup beragam, diantaranya dikarenakan oleh Brown Spot, Hispa, Leaf Blast dan lainnya [1], [11], [16], [17] Penelitian teknologi pengolahan citra untuk mendeksi penyakit tanaman padi telah dilakukan oleh [1], [18]- [24]. Penelitian oleh [1] membahas mengenai pengunaan arsitektur transfer learning untuk mendeteksi penyakit tanaman padi.…”

“…Penyakit tanaman padi cukup beragam, diantaranya dikarenakan oleh Brown Spot, Hispa, Leaf Blast dan lainnya [1], [11], [16], [17] Penelitian teknologi pengolahan citra untuk mendeksi penyakit tanaman padi telah dilakukan oleh [1], [18]- [24]. Penelitian oleh [1] membahas mengenai pengunaan arsitektur transfer learning untuk mendeteksi penyakit tanaman padi. Penelitian ini menggunakan Rice Diseases Image Dataset (Brown spot, Hispa, Leaf Blast, Healthy) dan Leaf Diseases Dataset (Bacterial Leaf Streak, Brown Spot, False Smut, Sheath Blight) serta Rice Leaf Diseases (Bacterial leaf blight, Brown spot, Leaf smut).…”