Loading...
Publication
Development of a system for identification and geolocation of diseases, pests and anomalies in agricultural crops
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 4.69 MB | Adobe PDF |
Authors
Abstract(s)
Achieving high production and sustainability in agriculture requires quick
detection and control of diseases, pests, and anomalies in agricultural crops. In this
dissertation, a system built with machine learning approaches is presented that
automatically detects and geolocates these problems in crops. Real-time data collection
and analysis are made possible by the combination of a mobile app and a web-based
Admin Panel. The main goals of the system are to automatically identify diseases from
pictures of plant leaves, to register and geolocate anomalies found, and to give users
comprehensive data visualizations. Through the integration of these features, the
system provides means that can help in increasing crop yields, promoting sustainable
farming methods, and improving agricultural administration.
The development process involved a close examination of the current technologies
and approaches, an analysis of the system requirements and a modular and scalable
system design and development. The solution uses machine learning models for
accurate disease identification together with ASP.NET MVC for web development and
Flutter with Dart for Mobile Application development. Farmers and agricultural
managers can benefit greatly from the system. Along with advancing agricultural
technology, this effort has important ramifications for environmental sustainability
and food security.
Resumo: Alcançar alta produção e sustentabilidade na agricultura requer a rápida deteção e controlo de doenças, pragas e anomalias nas culturas agrícolas. Nesta dissertação, é apresentado um sistema construído com abordagens de aprendizagem automática, capaz de detetar e geolocalizar automaticamente esses problemas nas culturas agrícolas. A recolha e análise de dados em tempo real são possibilitadas pela combinação de uma aplicação móvel e um Painel de Administração baseado na web. Os principais objetivos do sistema são identificar automaticamente doenças a partir de imagens de folhas das plantas, registar e geolocalizar as anomalias encontradas, e fornecer aos utilizadores visualizações abrangentes dos dados. Através da integração destas funcionalidades, o sistema oferece um meio que pode ajudar a aumentar os rendimentos das culturas, promover métodos agrícolas sustentáveis e melhorar a gestão agrícola. O processo de desenvolvimento envolveu uma análise dos requisitos do sistema, um design modular e escalável do sistema, e um exame minucioso das tecnologias e abordagens atuais. A solução utiliza modelos de aprendizagem automática para uma identificação precisa das doenças, juntamente com o Flutter com Dart para o desenvolvimento da aplicação móvel e o ASP.NET MVC para o desenvolvimento web. Agricultores e gestores agrícolas podem beneficiar enormemente do sistema. Além de avançar na tecnologia agrícola, este esforço tem importantes implicações para a sustentabilidade ambiental e a segurança alimentar.
Resumo: Alcançar alta produção e sustentabilidade na agricultura requer a rápida deteção e controlo de doenças, pragas e anomalias nas culturas agrícolas. Nesta dissertação, é apresentado um sistema construído com abordagens de aprendizagem automática, capaz de detetar e geolocalizar automaticamente esses problemas nas culturas agrícolas. A recolha e análise de dados em tempo real são possibilitadas pela combinação de uma aplicação móvel e um Painel de Administração baseado na web. Os principais objetivos do sistema são identificar automaticamente doenças a partir de imagens de folhas das plantas, registar e geolocalizar as anomalias encontradas, e fornecer aos utilizadores visualizações abrangentes dos dados. Através da integração destas funcionalidades, o sistema oferece um meio que pode ajudar a aumentar os rendimentos das culturas, promover métodos agrícolas sustentáveis e melhorar a gestão agrícola. O processo de desenvolvimento envolveu uma análise dos requisitos do sistema, um design modular e escalável do sistema, e um exame minucioso das tecnologias e abordagens atuais. A solução utiliza modelos de aprendizagem automática para uma identificação precisa das doenças, juntamente com o Flutter com Dart para o desenvolvimento da aplicação móvel e o ASP.NET MVC para o desenvolvimento web. Agricultores e gestores agrícolas podem beneficiar enormemente do sistema. Além de avançar na tecnologia agrícola, este esforço tem importantes implicações para a sustentabilidade ambiental e a segurança alimentar.
Description
Dissertation presented to School of Technology of Polytechnic Institute of Castelo Branco to fulfill the
necessary requirements to obtain the Master's degree in Computer Engineering - Specialization Area in
Software Development and Interactive Systems.
Keywords
Agricultural technology Crop disease detection Machine learning Plant disease Geolocation Crop management Tecnologia agrícola Deteção de doenças em culturas agrícolas Aprendizagem de máquina Geolocalização Gestão de culturas