Prepoznavanje bolesti biljaka iz jedne fotografije

Fotografišete list telefonom ⮞ za oko 20 sekundi dobijete potencijalnu bolest

Problem

  • Poljoprivrednik primeti fleke na listu, ali agronom nije tu kad zatreba
  • Mnoge bolesti na prvi pogled liče jedna na drugu
  • Pogrešna procena znači pogrešno prskanje – novac ode na pogrešno sredstvo, a bolest se širi
  • Što kasnije prepoznamo bolest, to je veća šteta za rod.

Rešenje

1Slikaj

Korisnik u aplikaciji fotografiše bolestan list i, ako želi, izabere biljku

2Analiza

Server proverava sliku, opisuje simptome i upoređuje ih sa hiljadama poznatih primera

3Rezultat

Aplikacija prikazuje do 3 najverovatnije bolesti i koliko je sistem siguran za svaku

Ako slika nije dovoljno dobra ili sistem nije siguran, aplikacija to kaže, umesto da nagađa

Ključna ideja: AI su oči, a naš model donosi odluku

Poznati AI model (frontier)

Odlično opisuje šta vidi – oblik i boju fleka, crne tačkice, žućenje, paučinu, uvijanje lista…

Ali kada sam mora da imenuje bolest, često greši!

Naš in-house model

Naučen na stvarnim, označenim (labeled) primerima – zna koji opisi idu uz koju bolest i daje predikciju za nekoliko milisekundi
Na vinovoj lozi: sam AI je pogađao ~57%, dok uz naš model pogađa ~93%.

Tok komunikacije: telefon ↔ server

Aplikacija API server Pozadinski posao Claude AI Naš model šalje sliku i izabranu biljku ← odmah: „primljeno”, broj zahteva pokreće posao u pozadini 1. provera slike kvalitet, biljka, zdravlje 2. opis simptoma strukturisan opis 3. klasifikacija do 3 bolesti + % „da li je gotovo?” ← „još radim, sačekaj” rezultat se čuva → status „gotovo” „da li je gotovo?” ← „gotovo!” + rezultat petlja: ponavlja se svake 2 s ukupno oko 20 sekundi

Kako „učimo” sistem: pretrening

1Uzmemo označene fotografije: za svaku sliku znamo koja je bolest

2AI za svaku sliku napiše opis simptoma, bez imena bolesti, isto kao kod pravog korisnika

3Spojimo opise sa tačnim imenima bolesti i na tome istreniramo mali model za svaku biljku

Kada?

Jednom za svaku biljku, a ponovo samo kad dodajemo bolesti ili dodatne slike

Tačnost prepoznavanja

BiljkaBolestiTačnost
Vinova lozacrna trulež, esca (crne ospice), pegavost lista (Isariopsis)~93%
Jabukačađava krastavost, crna trulež, rđa jabuke (kleka–jabuka)~93%
Krompirrana plamenjača (alternarija), plamenjača (Phytophthora)~93%
Kukuruzsiva pegavost lista (Cercospora), obična rđa, severna pegavost lista~84%
Paradajzbakterijska pegavost, plamenjača, plesan lista, septorioza, crveni pauk, target spot, virus mozaika, virus žutog uvijanja lista~75%
Ovo je samo početni skup – svaka nova biljka ili bolest dodaje se istim postupkom

Iskreno o brojevima

  • Loza, jabuka i krompir (~93%) imaju bolesti sa jasnim, karakterističnim znacima
  • Paradajz (~75%) ima 9 bolesti, a nekoliko njih na listu izgleda gotovo isto, što je teško čak i stručnjacima
  • Kada nije siguran, sistem prikaže 3 kandidata, pa je tačan odgovor najčešće među njima
Zaključak: tačnost raste sa više označenih slika, posebno sa domaćih njiva i iz stvarnih uslova

Vrednost za poljoprivrednike

~20 s

od slike do odgovora

24/7

dostupno na njivi, bez čekanja agronoma

Top 3

kandidata, a ne samo jedno nagađanje

  • Ranije prepoznavanje bolesti znači manje štete na rodu
  • Ciljanije prskanje znači manje troškova i manje hemije
  • Agronomi mogu da je koriste kao brzu drugu procenu

Sledeći koraci

  • Više kultura važnih za domaće tržište (šljiva, malina, pšenica, suncokret, paprika)
  • Slike sa domaćih njiva za veću tačnost u stvarnim uslovima
  • Preporuke za zaštitu uz svaku dijagnozu, uz proveru stručnjaka
  • Upozorenja za region kada se bolest pojavi kod više korisnika

Zainteresovani za saradnju, podatke ili testiranje?

app@plantguardia.io