Data

Tools

Indexes

Applications

Experiments

Open Source Science

cocoa-diseases

Cocoa Diseases (YOLOv4): Monilia & Phytophthora (Diseases in cocoa pods)

https://github.com/dataset-ninja/cocoa-diseases

Science Score: 44.0%

This score indicates how likely this project is to be science-related based on various indicators:

  • ✓
    CITATION.cff file
    Found CITATION.cff file
  • ✓
    codemeta.json file
    Found codemeta.json file
  • ✓
    .zenodo.json file
    Found .zenodo.json file
  • ○
    DOI references
  • ○
    Academic publication links
  • ○
    Academic email domains
  • ○
    Institutional organization owner
  • ○
    JOSS paper metadata
  • ○
    Scientific vocabulary similarity
    Low similarity (0.4%) to scientific vocabulary
Last synced: 6 months ago · JSON representation ·

Repository

Cocoa Diseases (YOLOv4): Monilia & Phytophthora (Diseases in cocoa pods)

Basic Info
  • Host: GitHub
  • Owner: dataset-ninja
  • License: other
  • Language: Python
  • Default Branch: main
  • Size: 12.1 MB
Statistics
  • Stars: 0
  • Watchers: 1
  • Forks: 0
  • Open Issues: 0
  • Releases: 0
Created over 2 years ago · Last pushed 6 months ago
Metadata Files
Readme License Citation

README.md

Cocoa Diseases (YOLOv4): Monilia & Phytophthora (Diseases in Cocoa Pods)

Cocoa Diseases is a dataset for object detection task.

Owner

  • Name: dataset-ninja
  • Login: dataset-ninja
  • Kind: organization

Citation (CITATION.md) 

If you make use of the Cocoa Diseases data, please cite the following reference:

```bibtex
@misc{20.500.12749_13367,
      author = {Serrano Arenas Juan Sebastián and Torres Villamizar Camilo Andrés},
      title = {Prototipo de aplicación móvil para la identificación de mazorcas de cacao enfermas haciendo uso de visión por computadora y aprendizaje de máquina},
      year = {2020},
      abstract = {Según fuentes de Fedecacao, para el 2018 se determinó que la producción total de cacao Theobroma cacao L en Colombia superó las 56 mil toneladas, la segunda más alta en toda la historia puesto que hubo una reducción de la producción del 6% en comparación al 2017, al pasar de 60 mil a 56 mil toneladas (Fedecacao, 2018). La reducción se dio debido a los flujos de floración, al incremento de la enfermedad llamada Monilia y a las inundaciones causadas por las precipitaciones de comienzos de año. Teniendo en cuenta que la inspección semanal es un procedimiento confiable para evaluar el grado de infección en los cultivos, el presente proyecto desarrolla un prototipo de aplicación móvil que permita identificar mediante técnicas de inteligencia artificial y análisis de imágenes las mazorcas de cacao enfermas. Mediante el levantamiento de datos esta investigación realiza la consolidación de un conjunto de datos que contiene las enfermedades más preocupantes como son la Fitóftora y la Monilia. Para mejorar el procedimiento de inspección se entrena una máquina de aprendizaje con YOLOv4 obteniendo un 60% de precisión en la detección de mazorcas de cacao. Los resultados prometen una herramienta móvil útil a los agricultores e investigadores agrícolas para la toma de decisiones, permitiendo evaluar y realizar con precisión el proceso de inspección de las mazorcas sin la necesidad de un experto capacitado en el manejo fitosanitario en los cultivos de cacao.},
      url = {http://hdl.handle.net/20.500.12749/13367}
      }
```

[Source](https://repository.unab.edu.co/handle/20.500.12749/13367)

GitHub Events

Total
  • Push event: 1
Last Year
  • Push event: 1

Dependencies

requirements.txt pypi