Crops hold paramount significance as they serve as the primary provider of energy, nutrition, and medicinal benefits for the human population. Plant diseases, however, can negatively affect leaves during agricultural cultivation, resulting in significant losses in crop output and economic value. Therefore, it is crucial for farmers to identify crop diseases. However, this method frequently necessitates hard work, a lot of planning, and in-depth familiarity with plant pathogens. Given these numerous obstacles, it is essential to provide solutions that can easily interface with mobile and IoT devices so that our farmers can guarantee the best possible crop development. Various machine learning (ML) as well as deep learning (DL) algorithms have been created & studied for the identification of plant disease detection, yielding substantial and promising results. This article presents a novel classification method that builds on prior work by utilising attention-based feature extraction, RGB channel-based chromatic analysis, Support Vector Machines (SVM) for improved performance, and the ability to integrate with mobile applications and IoT devices after quantization of information. Several disease classification algorithms were compared with the suggested model, and it was discovered that, in terms of accuracy, Vision Transformer-based feature extraction and additional Green Chromatic Coordinate feature with SVM classification achieved an accuracy of (GCCViT-SVM) - 99.69%, whereas after quantization for IoT device integration achieved an accuracy of - 97.41% while almost reducing 4x in size. Our findings have profound implications because they have the potential to transform how farmers identify crop illnesses with precise and fast information, thereby preserving agricultural output and ensuring food security.

Bản dịch tiếng Việt:

Cây trồng có ý nghĩa hết sức quan trọng vì chúng đóng vai trò là nguồn cung cấp chính các lợi ích về năng lượng, dinh dưỡng và dược phẩm cho con người. Tuy nhiên, bệnh cây có thể ảnh hưởng tiêu cực đến lá trong quá trình canh tác nông nghiệp, dẫn đến thiệt hại đáng kể về sản lượng cây trồng và giá trị kinh tế. Vì vậy, điều quan trọng đối với nông dân là xác định bệnh cây trồng. Tuy nhiên, phương pháp này thường đòi hỏi phải làm việc chăm chỉ, lập kế hoạch nhiều và hiểu biết sâu sắc về mầm bệnh thực vật. Với vô số trở ngại này, điều cần thiết là phải cung cấp các giải pháp có thể dễ dàng giao tiếp với các thiết bị di động và IoT để nông dân của chúng ta có thể đảm bảo sự phát triển cây trồng tốt nhất có thể. Nhiều thuật toán học máy (ML) cũng như học sâu (DL) khác nhau đã được tạo và nghiên cứu để xác định khả năng phát hiện bệnh cây trồng, mang lại kết quả đáng kể và đầy hứa hẹn. Bài viết này trình bày một phương pháp phân loại mới được xây dựng dựa trên nghiên cứu trước đó bằng cách sử dụng trích xuất tính năng dựa trên sự chú ý, phân tích màu sắc dựa trên kênh RGB, Máy vectơ hỗ trợ (SVM) để cải thiện hiệu suất và khả năng tích hợp với các ứng dụng di động và thiết bị IoT sau khi lượng tử hóa thông tin. Một số thuật toán phân loại bệnh đã được so sánh với mô hình được đề xuất và người ta phát hiện ra rằng, về độ chính xác, việc trích xuất tính năng dựa trên Vision Transformer và tính năng Tọa độ sắc xanh bổ sung với phân loại SVM đã đạt được độ chính xác (GCCViT-SVM) - 99,69%, trong khi sau khi lượng tử hóa để tích hợp thiết bị IoT đạt độ chính xác -97,41% trong khi kích thước gần như giảm đi 4 lần. Phát hiện của chúng tôi có ý nghĩa sâu sắc vì chúng có khả năng thay đổi cách nông dân xác định bệnh cây trồng bằng thông tin chính xác và nhanh chóng, từ đó bảo toàn sản lượng nông nghiệp và đảm bảo an ninh lương thực.

Document Ready

Click below to load the full PDF document natively.