Classification of Plant Disease Using Deep Learning

Abstract

Les maladies des plantes représentent un défi important pour l'agriculture, car elles affectent la santé des cultures et la sécurité alimentaire mondiale. Les méthodes traditionnelles de détection des maladies, qui reposent sur l'inspection manuelle, sont sujettes aux erreurs et à l'inefficacité. Cette thèse explore l'application de l'apprentissage profond (DL) dans la détection des maladies des plantes, en se concentrant sur trois modèles: MobileNetV2, LightGBM et Vision Transformer (ViT). Ces modèles sont choisis pour leur efficacité dans des environnements à ressources limitées, tels que les appareils mobiles. L'étude évalue la précision, la vitesse et l'efficacité de calcul des modèles dans ce domaine et met en œuvre une solution pratique utilisant le cadre Streamlit pour un déploiement en temps réel. Les objectifs sont d'améliorer les capacités de détection des maladies et de soutenir les pratiques agricoles durables.