画像強化と非線形模糊ランキングアンサンブルアプローチによる類葉病の精密診断 NLFuRBe

科学分野:

• 農業科学
• コンピュータ科学
• 植物病理学

背景:

• リンゴ作物は経済的に不可欠ですが,大きな病気の脅威に直面しています.
• 現在 病気を検出する方法は 遅くて 専門家が必要で 初期段階では 検出できません
• 適時診断は の収穫量と品質 そして世界の食糧安全保障を 維持するために極めて重要です

研究 の 目的:

• リンゴの葉の病気の検出と分類のための自動化された症状ベースのシステムを開発する.
• 診断の精度を高めるために 画像の品質を向上させる
• 病気を特定するための新しいアンサンブル方法論を用いた ディープラーニングモデルを統合する.

主な方法:

• ベクトル評価アニゾトロピック拡散 (VAD) と形態学的フィルタリングを用いた画像品質の向上.
• VGG19,AlexNet,Xceptionのディープラーニングアーキテクチャの統合
• 予測の不確実性とバイアスの緩和のためのフージースコアリングを持つ非線形フージーランクベースのアンサンブル (NL-FuRBE).

主要な成果:

• 提案されたNL-FuRBEモデルは,9つの葉病のクラスで平均96.51%の精度を達成しました.
• この方法論は,伝統的なアンサンブルと最先端の方法と比較して優れたパフォーマンスを示しました.
• 画像強化技術は,分類器の入力明確性を向上させ,モデルの有効性に貢献しました.

結論:

• NL-FuRBEモデルは,効果的で自動化され,費用対効果の高いシтруス病の診断を提供する.
• このアプローチは,葉の病気を早期に正確に検出できるようにすることで,精密農業をサポートします.
• この研究は,重要な農作物の保護における先進的なAI技術の可能性を強調しています.