Development of Automatic Marigold Leaf Disease Diagnosis System Using IoT Technology for Support Smart Farmer
Keywords:
Leaf Disease, IoT, MarigoldAbstract
The study aims to 1) to develop an algorithm for diagnosing marigold leaf disease with IoT technology and 2) to increase the efficiency in the determination of leaf spot disease with IoT technology. This is a measurement and an evaluation of plant disease outbreak to prevent crop decline using photographic data. Support Vector Machine technique is used to help determining marigold leaf disease, Alternaria sp. The efficiency test found that SVM model yielded a result of 86 percent. In addition, the satisfaction assessment results showed that farmers had the highest level of satisfaction with the diagnostic technique. At the mean level was 4.46 and the standard deviation was 0.53. The results of the diagnostic efficiency test before and after the use of the IoT system found that there were significant differences. Therefore, the technique of diagnosing marigold leaf disease with IoT technology enables farmers to diagnose leaf disease more effective.
References
กฤตพร เอี่ยมสอิ้ง. (2562). การพัฒนาระบบเซ็นเซอร์สภาพแวดล้อมสำหรับการประเมินระบบการตรวจสอบคุณภาพของดินในการปลูกข้าวโพดเลี้ยงสัตว์โดยใช้ IoT และ FOSS4G. วิทยานิพนธ์วิทยาศาสตรบัณฑิต, มหาวิทยาลัยนเรศวร.
กอบเกียรติ สระอุบล. (2561). พัฒนา IoT บนแพลตฟอร์ม Arduino และ Raspberry pi. กรุงเทพฯ: อินเตอร์มีเดีย.
ธรัช อารีราษฎร์ และวรปภา อารีราษฎร์. (2563). ระบบไอโอทีสำหรับการตรวจสอบความชื้นและอุณหภูมิเพื่อส่งเสริมการเพาะเลี้ยงเห็ดในโรงเรือนให้มีผลผลิตที่สมบูรณ์. วารสารวิชาการการประยุกต์ใช้เทคโนโลยีสารสนเทศ, 6(1), 7-17.
วิวัฒน์ มีสุวรรณ์. (2559). อินเทอร์เน็ตเพื่อสรรพสิ่ง (Internet of things) กับการศึกษา. วารสารวิชาการนวัตกรรมสื่อสารสังคม, 4(2), 83-92.
อมรรัตน์ ภู่ไพบูลย์, ยุทธศักดิ์ เจียมไชยศรี, อภิรัชต์ สมฤทธิ์ และธารทิพย์ ภาสบุตร. (2556). การจัดการโรคใบไหม้ของมันฝรั่งที่มีสาเหตุจากรา Phytophthora infestans (Mont.) de Bary. ใน รายงานผลงานวิจัยประจำปี 2556 เล่ม 4 เอกสารวิชาการเลขที่ 1/2557 (หน้า 2829-2839). กรุงเทพฯ: กรมวิชาการเกษตร, สำนักวิจัยพัฒนาการอารักขาพืช.
Korkut, U. B., Göktürk, Ö. B., & Yildiz, O. (2018). Detection of plant diseases by machine learning. In 2018 26th Signal Processing and Communications Applications Conference (SIU 2018) (pp. 2175-2178). doi:10.1109/SIU.2018.8404692
Meunkaewjinda, A., Kumsawat, P., Attakitmongcol, K., & Srikaew, A. (2008). Grape leaf disease detection from color imagery using hybrid intelligent system. In Proceedings of the 2008 5th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (pp. 513-516). doi: 10.1109/ECTICON.2008.4600483
Pérez, A. J., López, F., Benlloch, J. V., & Christensen, S. (2000). Colour and shape analysis techniques for weed detection in cereal fields. Computers and Electronics in Agriculture, 25(3), 197-212. doi:10.1016/S0168-1699(99)00068-X
Wang S.-J., Mathew, A., Chen, Y., Xi, L.-F., Ma, L., & Lee, J. (2009). Empirical analysis of support vector machine ensemble classifiers. Expert Systems with Applications, 36(3), 6466-6476. doi:10.1016/j.eswa.2008.07.041
