Kamerabaseret bestemmelse af sygdomstryk i sukkerroer med kunstig intelligens
Konklusion
Baseret på to års resultater opnået i dette projekt:
• Det er muligt at indsamle farvebilleder af sukkerroer med en markrobot i tilstrækkelig kvalitet til at et menneske kan genkende de gængse sygdomme rust, meldug og Cercospora-bladplet.
• Efter annotering af billederne er det muligt at træne et dybt neuralt netværk til at genkende sukkerroe, baggrund og sygdomme (rust og delvist meldug; Cercospora-bladplet var ikke tilgængeligt i testdata).
• Resultaterne fra 2023 viser tilsvarende 2022, at det er muligt at monitorere sygdomsudviklingen i sukkerroer over tid.
Conclusion
Based on two years of results achieved in this project:
• It is possible to collect colour images of sugar beet with a field robot in sufficient quality for a human to recognize the common diseases rust, mildew, and Cercospora leaf spot.
• After annotating the images, it is possible to train a deep neural network to recognize sugar beet leaves, background, and diseases (rust and partly powdery mildew; Cercospora leaf spot was not present in test data).
• Results from 2023 underline that it is possible to monitor the development of the leaf disease in sugar beet over time.