水稻是数十亿人最重要的粮食作物之一，但这些植物容易感染多种疾病，而这些疾病在田间并不总是很容易识别。《国际工程系统建模与仿真杂志》的一项新工作调查了基于卷积神经网络算法的应用程序是否可用于快速有效地确定影响作物的因素，尤其是在可能出现体征和症状的早期阶段模糊的。

位于中央邦印多尔的Sage大学的ManojAgrawal和ShwetaAgrawal建议，非常需要一种用于水稻病害识别的自动化方法。他们现在已经使用4,000多张健康和患病水稻的图像训练了各种机器学习工具，并针对来自不同来源的疾病数据进行了测试。他们证明了ResNet50架构提供了97.5%的最高准确度。

该系统可以根据作物样本的照片确定作物是否患病，如果患病，则可以识别出影响水稻的以下哪些常见病害：叶瘟病、褐斑病、纹枯病、叶锈病、细菌性叶枯病、稻瘟病、颈瘟、黑穗病、Tungro、螟虫、Hispa和鞘腐病。

总体而言，该团队的方法在独立测试图像上的准确率为98.2%。这种准确性足以指导农民对其作物中的特定感染做出适当的反应，从而节省他们的作物和资源，而不是在无效的治疗上浪费农产品或金钱。

该团队强调，无论拍摄照片时的光照条件或照片中的背景如何，该系统都能正常工作。他们补充说，通过向训练数据集添加更多图像以帮助应用程序根据在不同条件下拍摄的照片进行预测，可能仍会提高准确性。