Для предотвращения и лечения болезней чайного листа требуется надежная и точная система диагностики и идентификации. Болезни чайного листа выявляются вручную, что увеличивает время и влияет на качество урожая и продуктивность. В Бангладеш провели исследование, направленное на то, чтобы представить основанное на искусственном интеллекте решение проблемы обнаружения болезней чайного листа путем обучения самой быстрой одноэтапной модели обнаружения объектов YOLOv7 на наборе данных о больных чайных листьях, собранных с четырех известных чайных плантаций в Бангладеш. С этих чайных плантациях получено 4000 цифровых изображений пяти типов болезней листьев, в результате чего создается вручную аннотированный набор данных изображений болезней листьев, дополненный данными.
Экспериментальные результаты показали, что YOLOv7 для болезней чайных листьев на изображениях естественной сцены превосходит существующие сети обнаружения и идентификации целей, включая CNN, Deep CNN, DNN, AX-Retina Net, улучшенную DCNN, YOLOv5 и многоцелевую сегментацию изображений. Новое исследование сведет к минимуму нагрузку на энтомологов и поможет в быстрой идентификации и обнаружении болезней чайного листа, что сведет к минимуму экономические потери.