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 Jain1, Arun Kumar Dubey1, Vincent Shin-Hung Pan2,3
1Department of Information Technology, Bharati Vidyapeeth's College of Engineering, New Delhi, India.
Scientific reports
|August 25, 2025
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.
