Abstract:
Le rôle du développement agricole est très important dans l'économie d'un pays. Cependant, l'apparition de plusieurs maladies des plantes constitue un frein majeur au taux de croissance et à la qualité des cultures. La détection et la classification exactes des maladies des feuilles des cultures sont une activité complexe et longue en raison de l'apparition d'informations à faible contraste dans les échantillons d'entrée. De plus, les modifications de la taille, de l'emplacement, de la structure de la partie malade de la culture et l'existence d'un effet de bruit et de flou dans les images d'entrée compliquent encore davantage la tâche de classification. Pour résoudre ces problèmes, une approche robuste basée sur les techniques d'apprentissage automatique et de la vision par ordinateur est proposée. Plus précisément, nous avons introduit un système qui compose de 4 étapes : pré-traitement, extraction des caractéristiques avec une combinaisons de 3 méthodes (LPQ, LBP, VGG16), Réduction des dimensions avec (PCA, LDA) et enfin une classification finale en utilisant la distance euclidienne, permettant une classification binaire dans un premier temps (malade et saine) et dans un deuxième temps une classification de déférents types de maladie de la culture.
