Maïs is misschien wel de enige, belangrijkste graangewas ter wereld. Het wordt door miljoenen mensen geconsumeerd en is een hoofdbestanddeel van een groot deel van de wereldbevolking. Het wordt ook gebruikt voor veevoer en de totale productie is veel groter dan rijst en tarwe. Het wordt ook omgezet in andere eetbare producten zoals glucosestroop en maïszetmeel, evenals nuttig, maar oneetbare producten, zoals bio-ethanol. Helaas, zoals bij veel vitale gewassen, er zijn aanzienlijke plagen en ziekten die de oogst kunnen verwoesten of het product achteraf kunnen beschadigen, tijdens transport en opslag voor consumptie.

Schrijven in het International Journal of Computational Vision and Robotics, Enquhone Alehegn van de Bahir Dar Universiteit, in Ethiopië, heeft een ondersteunende vectormachine en beeldverwerking gebruikt om een ​​herkennings- en classificatiesysteem voor maïsziekten te ontwikkelen. Alehegn wijst erop dat Ethiopische maïs wordt geteisterd door zo'n 72 ziekten die verschillende delen van de planten aantasten. Visuele observatie en chemische analyse worden vaak gebruikt om een ​​bepaalde infectie in de bladeren van de plant te identificeren. Echter, dergelijke benaderingen vereisen experts, tijd, en vaak dure apparatuur en faciliteiten. Zijn nieuwe aanpak omzeilt veel van de problemen van conventionele ziektedetectie en classificatie.

Hij legt uit dat hij 640 afbeeldingen uit een dataset van 800 heeft gebruikt om het algoritme te trainen en de andere 20 procent om te testen. "Op basis van het experimentresultaat met gecombineerde (textuur, kleur en morfologie) functies met ondersteuning vector machine een gemiddelde nauwkeurigheid van 95,63 procent behaald." Het moet mogelijk zijn om de nauwkeurigheid te verbeteren door optimalisatie van het beeldsegmentatiegedeelte van de analyse.