Aller au contenu principal
2025 conference-paper

Plant Disease Classification Using Fusion Cauchy Reverse Learning Strategy Based Orca Predation Algorithm with DenseNet-121

1Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : in, iq. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Plant diseases represents specific spots with various colors and locations, that have a significant impact on leaves lead to affect the plants and reduced the crop yield. Thus, an accurate plant disease classification is essential corresponding to the distinct spot shape, size, etc. However, the existing Deep Learning (DL) models have several limitations that make the model difficult to distinguish between various plant diseases due to similar characteristics. To overcome this limitation, a Fusion cauchy reverse learning strategy based Orca Predation Algorithm (FOPA-DenseNet-121) is proposed to identify and classify the plant leaf disease accurately. The proposed DenseNet-121 model has the advantage of feature reusability that helps to learn the information about various diseases effectively. Also, the FOPA based hyper parameter tuning model adjusts the DenseNet-121 model parameters to learn the difference between various diseases which helps to differentiate the diseases and enhance performance of classification model. Experimental results of the proposed model achieved accuracy of 98.92% which is greater than the existing approach like Visual Graph Geometry -16 (VGG-16).

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Plant Disease Classification Using Fusion Cauchy Reverse Learning Strategy Based Orca Predation Algorithm with DenseNet-121
Date Crossref
21/02/2025
Éditeur
IEEE
Type
proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Visvesvaraya Technological University pays non établi dans la notice
    Université ou école supérieure
  • Nitte Meenakshi Institute of Technology pays non établi dans la notice
    Université ou école supérieure
  • Iraqi University pays non établi dans la notice
    Université ou école supérieure
  • Indira Gandhi Institute of Technology pays non établi dans la notice
    Université ou école supérieure
  • Sir M Visvesvaraya College of Engineering pays non établi dans la notice
    Université ou école supérieure
  • College of Technical Engineering pays non établi dans la notice
    Université ou école supérieure

Visvesvaraya Technological University, Nitte Meenakshi Institute of Technology et Iraqi University, avec 3 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Smart Agriculture and AI

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.