絞り込みと刺激のメカニズムを用いた注意ベースのコンヴォルションニューラルネットワークによる強化された植物疾患分類

科学分野:

• 農業技術
• ディープラーニング
• コンピュータビジョン

背景:

• スマートデバイスとエッジコンピューティングは 現代の農業にとって不可欠で 自動化とリアルタイム分析により 生産性が向上します
• 現在のディープラーニングモデルは,農業におけるマルチラベル分類タスクの正確性,サイズ,速度に関する課題に直面しています.

研究 の 目的:

• 植物病の分類のための効率的なディープラーニングアーキテクチャを提案する.
• 注意力メカニズムを使用して分類性能と計算効率を向上させる.

主な方法:

• ハイブリッドコンヴォルションニューラルネットワーク (Squeeze and Excitation Enabled Identity Blocks (CNN-SEEIB)) を開発した.
• 視覚的注意力を高めるための注意力メカニズムを アイデンティティブロックに組み込みました
• 訓練と検証のためにPlantVillageデータセット (54,305画像,38クラス) を利用しました.

主要な成果:

• PlantVillageのデータセットで99.79%の精度,0.9970の精度,0.9972のリコール,および0.9971のF1スコアを達成しました.
• 画像ごとに64ミリ秒の推論時間があり,リアルタイムの展開に適しています.
• ポテトの葉病のデータセットで検証され,精度は97.77%に達しました.

結論:

• CNN-SEEIBモデルは,複数のラベルの植物病変の分類に高い精度と効率を提供します.
• 注目メカニズムは性能と計算効率を向上させ,農業におけるエッジコンピューティングに最適です.
• このモデルの性能は,スマートな農業のアプリケーションにおける 病気のリアルタイム検出の可能性を証明しています.