このページは機械翻訳されています。他のページは英語で表示される場合があります。 View in English

ぼんやりした画像強化を使用して効率的なジャガイモの虫害検出のためのベイジアン最適化されたCNNアンサンブル

Achin Jain ¹, Arun Kumar Dubey ¹, Vincent Shin-Hung Pan ^2,3

¹Department of Information Technology, Bharati Vidyapeeth's College of Engineering, New Delhi, India.
²Department of Information Management, Chaoyang University of Technology, Taichung, Taiwan. vincentpan@cyut.edu.tw.
³Department of Computer Science and Information Engineering, Asia University, Taichung, 413, Taiwan. vincentpan@cyut.edu.tw.
⁴School of Engineering, Computing, and Design, Dar Al-Hekma University, 6702, Jeddah, Saudi Arabia.
⁵Computer Science Department, School of Engineering, Computing and Design, Dar Al-Hekma University, Jeddah, Saudi Arabia.
⁶Hong Kong Metropolitan University, Kowloon, Hong Kong SAR, China.
⁷Center for Interdisciplinary Research, University of Petroleum and Energy Studies (UPES), Dehradun, India.
⁸UCRD, Chandigarh University, Chandigarh, India.
⁹Immersive Virtual Reality Research Group, Department of Computer Science, King Abdulaziz University, Jeddah, Saudi Arabia.
¹⁰Scientific Research Center Consultant, Dar Al-Hekma University, Jeddah, 6702, Saudi Arabia.
¹¹Department of CSE, Chandigarh College of Engineering and Technology, Panjab University, Chandigarh, India.
¹²Department of Electronic Science, University of Delhi, New Delhi, India.
¹³Galgotias Multi-Disciplinary Research and Development Cell (G-MRDC), Galgotias University, Greater Noida, UP, 201308, India.
¹⁴Department of Computer Science and Information Engineering, Asia University, Taichung, 413, Taiwan.
¹⁵Department of Computer Science and Information Engineering, Asia University, Taichung, 413, Taiwan. gupta.brij@gmail.com.
¹⁶Department of Medical Research, China Medical University Hospital, China Medical University, Taichung, Taiwan. gupta.brij@gmail.com.
¹⁷Symbiosis Centre for Information Technology (SCIT), Symbiosis International University, Pune, India. gupta.brij@gmail.com.
¹⁸School of Cybersecurity, Korea University, Seoul, South Korea. gupta.brij@gmail.com.
¹⁹Kyung Hee University, 26 Kyungheedae-ro, Dongdaemun-gu,, Seoul, 02447, South Korea. gupta.brij@gmail.com.

⁰Department of Information Technology, Bharati Vidyapeeth's College of Engineering, New Delhi, India.

Scientific Reports +

|

2025年8月25日

PubMedで要約を見る

まとめ

この研究では,バイエスの最適化されたCNN重量アンサンブルを導入し,ポテト病の検出に97.94%の精度を達成しました. この強力なディープラーニングアプローチは農業の病気の分類を強化し収穫の損失を軽減します

科学分野

農業科学
コンピュータ科学
機械学習

背景

ポテト病は農業と経済に大きな損失をもたらします.
ポテト病の早期発見は農作物の管理に不可欠です

研究の目的

ポテトの葉の病原菌を検出するための高精度なディープラーニングモデルを開発する.
ベイジアン最適化とアンサンブル学習を使用してコンボリューションニューラルネットワーク (CNN) モデルを最適化します.

主な方法

複数のCNNアーキテクチャ (ADAM,SGD,RMSProp,ADAMAX) を訓練し,個々のパフォーマンスを評価しました.
機能抽出を改善し,クラス不均衡を和らげるためにデータ増強と模糊画像の強化を適用しました.
ディープアンサンブルモデルに最適な重量を判定するためにベイズ最適化を使用し,11つの組み合わせを探索しました.

主要な成果

最終的なアンサンブルモデル (EDL7:DL1 + DL2 + DL3) は97.94%の最高精度を達成しました.
アンサンブルモデルは個々のCNNモデルよりも優れたパフォーマンスを示しました.
高精度 (0.981),リコール (0.983),F1スコア (0.982) を達成した.

結論

ベイジアン最適化アンサンブル学習は,ジャガイモの虫害検出の精度を大幅に改善します.
提案された方法は,農業疾患の分類に堅実で信頼性の高い解決策を提供します.
このアプローチは,ポテト病による作物の損失を最小限に抑える可能性があります.

キーワード:

ベイジアン最適化 CNN について集団学習オプティマイザーポテト病の検出