EUVIMEDEUVIMED entdecken
Crossref

AgroPest-Trust Edge : conception et audit d’un système frugal, explicable et conscient de l’incertitude pour la reconnaissance de ravageurs et stress biotiques sur smartphone

Muviri Kambale Samson, Mpia Héritier Nsenge

Revue Internationale Multidisciplinaire Etincelle · 28.07.2026 · 26 (2) · 1-13

DOI: 10.61532/rime262136 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Revue Internationale Multidisciplinaire Etincelle, online erschienen am 28.07.2026. Verfasst von Muviri Kambale Samson und 1 weiteren Autor:innen.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

L’identification précoce des ravageurs agricoles à partir d’images de smartphone demeure difficile lorsque les prises de vue sont floues, mal exposées ou encombrées par des arrière-plans complexes. Cette étude présente AgroPest-Trust Edge, un artefact de science de la conception qui associe classification légère, contrôle de qualité, calibration des probabilités, abstention sélective, explication Grad-CAM et recommandations prudentes de lutte intégrée. Un échantillon stratifié de 1 500 images a été cons-titué à partir des 1 591 fichiers du Dangerous Farm Insects Dataset, puis réparti en 1 042 images d’entraînement, 218 de validation et 240 de test. L’audit taxonomique montre que les quinze étiquettes ne décrivent pas exclusivement des insectes : treize classes correspondent à des insectes, une aux acariens et une à une maladie végétale. Mobile-NetV3-Small est retenu comme architecture cible en raison de son orientation mobile ; le protocole prévoit AdamW, mixup, pondération des classes, arrêt anticipé et temperature scaling. L’évaluation quantitative présentée distingue strictement les résultats de préparation du corpus des performances d’un benchmark ViT public. Ce dernier rapporte 90,90 % d’exactitude et 90,22 % de F1 macro sur 714 images, mais seulement 31,91 % de rappel pour Fall Armyworms. Cette hétérogénéité justifie une évaluation fondée sur les résultats par classe, la calibration, la couverture, le risque sélectif, la latence et la taille du modèle. L’article ne revendique pas de métriques MobileNetV3 non exécutées ; il fournit un cadre reproductible et auditable pour une validation locale future à Butembo.

Zitieren

APA

Samson, M. K., & Nsenge, M. H. (2026). AgroPest-Trust Edge : conception et audit d’un système frugal, explicable et conscient de l’incertitude pour la reconnaissance de ravageurs et stress biotiques sur smartphone. Revue Internationale Multidisciplinaire Etincelle, 26(2), 1-13. https://doi.org/10.61532/rime262136

Vancouver

Samson MK, Nsenge MH. AgroPest-Trust Edge : conception et audit d’un système frugal, explicable et conscient de l’incertitude pour la reconnaissance de ravageurs et stress biotiques sur smartphone. Revue Internationale Multidisciplinaire Etincelle. 2026;26(2):1-13. doi:10.61532/rime262136

BibTeX
@article{Samson2026,
  author = {Samson, Muviri Kambale and Nsenge, Mpia Héritier},
  title = {AgroPest-Trust Edge : conception et audit d’un système frugal, explicable et conscient de l’incertitude pour la reconnaissance de ravageurs et stress biotiques sur smartphone},
  journal = {Revue Internationale Multidisciplinaire Etincelle},
  year = {2026},
  volume = {26},
  number = {2},
  pages = {1--13},
  doi = {10.61532/rime262136}
}
Kostenlos starten →