L'agriculture est l'élément le plus important du globe, et les opérations agricoles à grande échelle dans le monde entier la rendent plus sensible à de nombreuses maladies. Le riz est l'une des plantes agricoles les plus importantes, cultivée en quantités énormes. Il existe une variété de maladies du riz qui ont un impact sur les plantations de riz de diverses manières, et les détecter et les reconnaître est l'une des tâches les plus difficiles. Un effort a été initié pour utiliser l'apprentissage profond pour reconnaître la maladie de l'hispa du riz. Afin d'effectuer le travail expérimental avec un ensemble de données en temps réel de l'hispa du riz et de la plante de culture de riz saine, une approche d'apprentissage profond basée sur CNN a été utilisée. La détection de la maladie de l'hispa du riz a été divisée en deux parties : la première était une classification binaire basée sur les plantes saines et malades, et la seconde était une multi-classification basée sur cinq niveaux de gravité de la maladie. L'architecture et le modèle proposés servent de système de détection des maladies du riz (RDD) pour la maladie de l'hispa du riz, aidant les agriculteurs et les cultivateurs à reconnaître et à détecter les plantes de culture du riz et à prendre des mesures appropriées et opportunes.

Dr. Vinay Kukreja is presently working as an Associate Professor in Department of Computer Science and Engineering at Chitkara University, Punjab, India. His research areas are machine learning, deep learning and agile development.Rishabh Sharma is a B.Tech (IT), M.E.(CSE) and currently pursuing Ph.D from Chitkara University, Punjab, India.