19、作物疾病预测与高维数据聚类技术探索

作物疾病预测与高维数据聚类技术探索

1. 作物疾病预测模型

在农业领域，作物疾病预测是一个重要的研究方向。为了让新手更好地探索机器学习领域，理解深度学习方法的强大能力，提出了一个用于作物疾病分类的深度学习模型。

主要贡献如下：
- 提出了一个用于作物疾病分类的强大深度学习模型。
- 使用TensorFlow - v2训练模型，并将模型保存到客户端服务器。
- 分析两个提出模型的准确性，并选择准确性更高的模型。

1.1 相关工作

在过去五年里，有许多关于作物疾病预测的研究：
|研究人员|研究内容|方法|
| ---- | ---- | ---- |
|Wani和Ashtankar等|使用无线传感器网络捕获土壤和气候条件的实时数据，进行作物早期预测|Naïve Bayes Kernel算法|
|Vardhini等|考虑水稻作物图像数据集，使用CNN进行模型构建|CNN|
|Jayakumar等|为西瓜叶图像数据集提出疾病检测模型|K - means聚类和堆叠RNN|
|Kaur等|对大豆叶图像数据集进行分类，区分患病和未患病图像|K - means聚类|
|Yashaswini等|结合灌溉系统和疾病预测，通过同一系统实现|隐藏马尔可夫模型和IoT概念|

1.2 提出的系统和部署

模型分为数据集和方法两部分：
- 数据集 ：收集了青椒、土豆、番茄三种不同作物的数据集，分为训练集和测试集，共分为15个不同类别，包括每种作物的健康变体和13种相关疾病。
- 训练数据集