Multiclass classifier based on deep learning for detection of citrus disease using fluorescence imaging spectroscopy

Autor(es)

Neves, Ruan F. O. ; Wetterich, Caio B. ; Sousa, Elaine P. M. ; Marcassa, Luis G.

• Tipo de documento: Artigo Científico
• Fonte: Laser Physics; v. 33, n. 5, p. 9-pg., 2023-05-01.

Resumo

In this work, we have combined fluorescence imaging spectroscopy (FIS) and supervised learning methods to identify and discriminate between citrus canker, Huanglongbing, and other leaf symptoms. Our goal is to differentiate these diseases and nutrient conditions without prior eye assessment of symptoms. Five supervised learning methods were evaluated. Our results show that by combining FIS with a convolutional neural network (AlexNet), it is possible to identify the disease of a sample with up to 95% accuracy. An enormous gain of time and a substantial cost reduction were achieved by this approach compared to polymerase chain reaction-based methods. (AU)

• Processo FAPESP: 11/22275-6 - Imagem de Fluorescência Usando Filtro Variável de Cristal Liquido em Doenças de Citros
• Beneficiário: Caio Bruno Wetterich
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Processo FAPESP: 13/11023-1 - Uso de imagens de fluorescência para um estudo comparativo de doenças cítricas em amostras da Flórida e de São Paulo
• Beneficiário: Caio Bruno Wetterich
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Processo FAPESP: 10/16536-9 - Imagem de Fluorescência Aplicada em Doenças de Citros no Campo
• Beneficiário: Luis Gustavo Marcassa
• Modalidade de apoio: Auxílio à Pesquisa - Regular