農業科学と食品研究ジャーナル
オープンアクセス

概要

関心領域認識機能を備えた高度な畳み込みニューラル ネットワークを使用した植物病害検出

機械学習、ディープラーニング、植物病害検出、ディープ CNN、関心領域

ディープラーニングの出現により、より効率的なコンピュータービジョンアプリケーションへの道が開かれました。テクノロジー主導のアプローチによる農作物のモニタリングでは、植物の病気の識別が不可欠です。最近の研究では、畳み込みニューラルネットワーク（CNN）が病気を検出するための葉の画像を処理するのに最適なディープラーニング手法であることが明らかになっています。葉の病気の症状は特定の領域に現れるため、処理のために葉全体を考慮すると、トレーニングの質が不十分なためにパフォーマンスが低下するだけでなく、計算コストと時間がかかります。この問題を解決するために、VGG13、ResNet34、DenseNet19、AlexNet、Sqeezenet1_1、Inception_v3などの事前トレーニング済みのディープラーニングモデルの予測の前に、ディープCNNを使用して関心領域（ROI）の抽出を考慮するフレームワークを提案しました。ROI特徴マップ作成（ROI-FMC）というアルゴリズムは、与えられた入力画像のROIを抽出するために定義されています。これは、提案された別のアルゴリズム、つまり葉の病気予測のための転移学習を備えたROIベースのディープCNN（ROIDCNN-LDP）への入力として提供されます。後者は葉の病気を予測するために使用されます。Plant Village データセットは実証研究に使用されます。実験結果では、ROI を認識すると、すべてのモデルが優れたパフォーマンスを発揮できることが明らかになりました。ただし、Inception_v3 は他のモデルよりも優れたパフォーマンスを発揮するディープ CNN モデルです。