Authors

Abstract

Crop diseases significantly diminish agricultural production, resulting in economic losses. Early detection and species identification remain major challenges. This paper introduces a lightweight Convolutional Neural Network (LCNet) designed for the detection of corn diseases, including blight, common rust, and gray leaf spot, using an efficient, low-latency model. The suggested architecture consists of three convolutional layers, three pooling layers, and one fully linked layer. Experimental findings indicate that LCNet surpasses the pretrained architecture MobileNetV2, DenseNet201, and ResNet50, with an average accuracy of 94.65%. This method enables prompt disease identification, assisting farmers in averting significant crop losses while minimizing human labour in oversight and administration.

Abstract in Hindi

फसल की बीमाररयााँ कृ लि उत्पादन को काफी कम कर देती हैं, लिसके पररणामस्वरूप आलथकक नुकसान होता है। इनका शीघ्र पता लगाना और प्रिालतयों की पहचान प्रमुख चुनौलतयााँ बनी हुई हैं। यह पेपर एक हल्के कन्वोल्यूशनल न्यूरल नेटवकक (एलसीनेट) का पररचय देता है, लिसे एक कुशल, कम-लवलंबता मॉडल का उपयोग करके ब्लाइट, सामान्य िंग और ग्रे लीफ स्पॉट सलहत मकई रोगों का पता लगाने के ललए लडजाइन लकया गया है। सुझाई गई वास्तुकला में तीन संकें लित परतें, तीन पूललंग परतें और एक पूरी तरह से िुडी हुई परत शालमल हैं। प्रायोलगक लनष्किों से पता चलता है लक एलसीनेट 94.65% की औसत सटीकता के साथ पूवक प्रलशलित आलकक टेक्चर मोबाइलनेट वी2, डेंसनेट201 और रेसनेट50 से आगे लनकल िाता है। यह लवलि शीघ्र रोग की पहचान करने में सिम बनाती है, लिससे लकसानों को फसल के महत्वपूणक नुकसान को रोकने में सहायता लमलेगी िबलक लनरीिण और प्रशासन में कम से कम मानव श्रम की आवश्यकता होगी।