Application of deep learning in identifying some common diseases based on durian leaf images
Abstract
Durian, known as the "King of Fruits," is a valuable tropical fruit tree widely cultivated in Vietnam. However, it is susceptible to leaf diseases that affect its health and productivity. Early and accurate disease detection based on leaf images is crucial for effective treatment and yield improvement. This paper proposes a technique for leaf image recognition and classification using the MobileNetV3, InceptionV3, and VGG19 deep learning architectures. The model is trained on a dataset of leaf images from four types of durian leaves: leaf scorch disease, brown spot disease, leaf spot disease, and healthy leaves. The dataset comprises a total of 8682 images. The results demonstrate that the proposed model achieves an impressive accuracy rate of 95.87%. These research findings can assist farmers in promptly and accurately identifying diseases, leading to timely treatment and ultimately enhancing the productivity and profitability of durian cultivation.
Tóm tắt
Sầu riêng được mệnh danh là “Vua của các loại trái cây”, là cây ăn quả nhiệt đới lâu năm có giá trị kinh tế cao và được trồng phổ biến ở Việt Nam. Tuy nhiên, cây sầu riêng dễ bị các bệnh trên lá, ảnh hưởng đến sức khỏe và năng suất. Phát hiện sớm và chính xác bệnh dựa trên hình ảnh lá đóng vai trò quan trọng trong việc điều trị giúp cải thiện năng suất cây trồng. Trong bài báo này, chúng tôi đề xuất kỹ thuật nhận diện, phân loại ảnh dựa trên kiến trúc mạng MobileNetV3, InceptionV3 và VGG19. Mô hình được huấn luyện trên tập dữ liệu ảnh của 4 loại lá sầu riêng: bệnh cháy lá, bệnh đốm rong, bệnh đốm lá và lá không bệnh, trong tổng số hình ảnh thu thập được là 8682 hình. Kết quả cho thấy độ chính xác của mô hình đề xuất lên đến 95.87%. Như vậy, kết quả nghiên cứu có thể giúp cho nhà nông xác định bệnh nhanh, chính xác và điều trị kịp thời, góp phần nâng cao năng suất và lợi nhuận từ cây sầu riêng.
References
[1] Kumar, A. (2023, June). Advanced CNN-Based Approach for Accurate Tomato Plant Disease Recognition. In 2023 3rd International Conference on Intelligent Technologies (CONIT) (pp. 1-5). IEEE.
[2] Al Gallenero, J., & Villaverde, J. (2023, March). Identification of Durian Leaf Disease Using Convolutional Neural Network. In 2023 15th International Conference on Computer and Automation Engineering (ICCAE) (pp. 172-177). IEEE.
[3] Dawod, R. G., & Dobre, C. (2022). ResNet interpretation methods applied to the classification of foliar diseases in sunflower. Journal of Agriculture and Food Research, 9, 100323.
[4] Halim, N. A. H. A., Sari, S., Taujuddin, N. S. A. M., & Roslan, H. (2023). Durian Tree Type Identification Based on Durian Leaves. Evolution in Electrical and Electronic Engineering, 4(1), 551-558.
[5] Sabarre, A. L., Navidad, A. S., Torbela, D. S., & Adtoon, J. J. (2021). Development of durian leaf disease detection on Android device. International Journal of Electrical and Computer Engineering, 11(6), 4962.
[6] Machha, S., Jadhav, N., Kasar, H., & Chandak, S. (2020). Crop leaf disease diagnosis using convolutional neural network. International Research Journal of Engineering and Technology (IRJET), 7(02).
[7] Howard, A., Sandler, M., Chu, G., Chen, L., Chen, B., Tan, M., ... & Adam, H. (1905). Searching for mobilenetv3. CoRR abs/1905.02244 (2019). arXiv preprint arXiv:1905.02244.
[8] Szegedy, C., Vanhoucke, V., Ioffe, S., Shlens, J., & Wojna, Z. (2015). Rethinking the Inception Architecture for Computer Vision. arXiv: 1512.00567 [cs]. arXiv preprint arXiv:1512.00567.
[9] Szegedy, C., Vanhoucke, V., Ioffe, S., Shlens, J., & Wojna, Z. (2015). Rethinking the Inception Architecture for Computer Vision. arXiv: 1512.00567 [cs]. arXiv preprint arXiv:1512.00567.
[10] Simonyan, K., & Zisserman, A. (2014). Very deep convolutional networks for large-scale image recognition. arXiv preprint arXiv:1409.1556.
