植物葉の病気の認識のための多核発芽強化視力トランスフォーマー

科学分野:

• 農業科学
• コンピュータ・ビジョン
• 機械学習

背景:

• 植物の病気を正確に特定することは 収穫量と食糧安全保障に不可欠です
• 手作業による識別は労力を要し,専門的な専門知識が必要です.
• 現存するコンピュータビジョンモデルは 現実のフィールド条件と 闘うことが多いのです

研究 の 目的:

• 植物病の特定のための強力なディープラーニングアーキテクチャを開発する.
• 異なる画像条件 (実験室と実際のフィールド) の処理における現在のモデルの限界に対処する.
• 植物病の自動診断の正確性と効率性を向上させる.

主な方法:

• インセプション・エンハンスド・ビジョン・トランスフォーマー (IEViT) のアーキテクチャを提案した.
• IEViTは,ローカルとグローバル機能の抽出能力を統合しています.
• 効率的な機能学習のために,カーネルのサイズが異なる複数のフィルターを利用しました.
• 5つの異なるデータセットで実験を行いました 実験室と実際のフィールドの画像を含みます

主要な成果:

• IEViTモデルは最先端のディープラーニングモデルと比較して優れたパフォーマンスを示しました.
• 複数のデータセットで高い精度を達成しました: 99.23% (リンゴの葉), 99.70% (米), 97.02% (イビ), 76.51% (カサバの葉), 99.41% (植物村).
• 提案されたアーキテクチャは,既存のモデルよりも少ないパラメータでこれらの結果を達成しました.

結論:

• インセプション・エンハンスド・ビジョン・トランスフォーマー (IEViT) は,植物疾患を特定するための堅牢で効率的なアーキテクチャです.
• IEViTは画像条件の変動を効果的に処理し,実験室と実際のフィールドデータの両方で良好なパフォーマンスを発揮します.
• このアプローチは農業における 自動化された,正確でスケーラブルな 植物病診断の有望な解決策です