Design and Implementation of an Intelligent UAV-Based System for Real-Time Plant Disease Detection

Abstract

تهدف هذه المذكرة إلى تطوير نظام ذكي لمراقبة المحاصيل الزراعية والكشف المبكر عن أمراض النباتات بالاعتماد على تقنيات إنترنت الأشياء (IoT) ، والرؤية الحاسوبية، والذكاء الاصطناعي، والطائرات بدون طيار (UAV) . يعتمد نظامنا على استخدام وحدة ESP32 لقراءة بيانات الحساسات البيئية، مثل درجة الحرارة والرطوبة، بالإضافة إلى تحديد الموقع الجغرافي بواسطة نظام GPS، في حين تستخدم وحدة ESP32-CAM لالتقاط صور النباتات والمحاصيل الزراعية أثناء تحليق الطائرة بدون طيار فوق الحقول الزراعية. يتم إرسال البيانات والصور الملتقطة إلى خادم ويب عبر بروتوكول HTTPS من أجل تخزينها ومعالجتها في الزمن الحقيقي. تعتمد مرحلة المعالجة على استخدام مكتبة OpenCV لتحسين جودة الصور قبل تمريرها إلى نموذج الذكاء الاصطناعي YOLOv8، والذي يستخدم للكشف عن أمراض النباتات وتحديد المناطق المصابة بدقة عالية. كما يتيح النظام عرض نتائج التحليل وبيانات الحساسات والموقع الجغرافي عبر لوحة تحكم ويب تفاعلية، مما يسمح بالمراقبة المستمرة واتخاذ القرارات المناسبة بسرعة وكفاءة. تم تدريب النموذج المقترح باستخدام قاعدة بيانات تحتوي على 28 صنفًا مختلفًا من أمراض النباتات بإجمالي 25,274 صورة ضمن مجموعة البيانات (Plant Village Dataset). وقد أظهرت نتائج التقييم فعالية النظام في الكشف عن الأمراض النباتية بدقة جيدة، حيث بلغت قيمة Recall حوالي 0.6722، بينما وصلت قيمة Precision إلى 0.7426 ، كما حقق النموذج Standard Accuracy قدرها 0.7319، إضافة إلى Comprehensive Metric بقيمة 0.5683 ، مما يعكس كفاءة النموذج في التصنيف والكشف في الزمن الحقيقي. أظهرت النتائج النهائية فعالية النظام المقترح في الكشف عن أمراض النباتات بدقة جيدة وفي الزمن الحقيقي، مما يبرز أهمية دمج تقنيات الذكاء الاصطناعي وإنترنت الأشياء والطائرات بدون طيار في مجال الزراعة الذكية لتحسين جودة الإنتاج الزراعي وتقليل الخسائر الناتجة عن الأمراض النباتية. حقق النظام متوسط زمن استدلال قدره 243.75 ميلي ثانية ومعدل معالجة يبلغ 4.07 إطار في الثانية، مما يؤكد ملاءمته للتطبيقات الزراعية في الوقت الفعلي.This memorandum aims to develop an intelligent system for monitoring agricultural crops and early detection of plant diseases using Internet of Things (IoT), computer vision, artificial intelligence (AI), and unmanned aerial vehicles (UAVs). Our system utilizes an ESP32 module to read environmental sensor data, such as temperature and humidity, and to determine geolocation using GPS. The ESP32-CAM module is used to capture images of plants and crops while the UAV flies over the fields. The captured data and images are transmitted to a web server via HTTPS for real-time storage and processing. The processing stage utilizes the OpenCV library to enhance image quality before passing it to the YOLOv8 AI model, which is used to detect plant diseases and pinpoint affected areas with high accuracy. The system also allows for the display of analysis results, sensor data, and geolocation information via an interactive web dashboard, enabling continuous monitoring and rapid, efficient decision-making. The proposed model was trained using a database containing 28 different plant disease classes with a total of 25,274 images within the PlantVillage Dataset. The evaluation results demonstrated the system's effectiveness in detecting plant diseases with good accuracy, achieving a Recall value of approximately 0.6722, a Precision value of 0.7426, a Standard Accuracy of 0.7319, and a Comprehensive Metric of 0.5683, reflecting the model's efficiency in real-time classification and detection. The final results demonstrated the effectiveness of the proposed system in detecting plant diseases with good accuracy and in real time, highlighting the importance of integrating artificial intelligence, the Internet of Things, and drones into smart agriculture to improve the quality of agricultural production and reduce losses resulting from plant diseases. The system achieved an average inference time of 243.75 ms and a processing rate of 4.07 frames per second, confirming its suitability for real-time agricultural applications.