PlantCaFo：基盤モデルに基づく効率的な少数ショット植物病害認識手法
Xue Jiang1, Jiashi Wang1, Kai Xie1
1College of Informatics, Huazhong Agricultural University, Wuhan 430070, PR China.
Plant phenomics (Washington, D.C.)
|December 19, 2025
まとめ
本研究では、基盤モデルを活用した効率的な少数ショット植物病害認識モデル「PlantCaFo」を紹介します。PlantCaFoは、公開および実世界のデータセットで高い精度を達成し、農業診断を改善します。
科学分野:
- 農業科学;コンピュータビジョン;機械学習
背景:
- 従来の植物病害認識手法はコストが高く、サンプルが不足しています。;少数ショット学習と転移学習は解決策を提供しますが、ドメイン固有の事前学習が必要な場合が多いです。;基盤モデルは、少数ショット学習シナリオで有望視されています。
研究 の 目的:
- 効率的な少数ショット植物病害認識における基盤モデルの可能性を探求すること。;複数の事前学習済みモデルからの知識を統合したエンドツーエンドモデル「PlantCaFo」を提案すること。;植物病害同定におけるデータ収集とサンプル不足の課題に対処すること。
主な方法:
- 基盤モデルに基づく効率的な少数ショット植物病害認識モデル「PlantCaFo」を開発しました。;新しい知識を学習するための軽量な拡張コンテキストアダプター（DCon-Adapter）を設計しました。;エンドツーエンドネットワーク内でテキストの重みを更新するために、重み分解行列（WDM）を利用しました。
主要な成果:
- 38クラス16ショット設定のPlantVillageデータセットで93.53%の精度を達成しました。;ベースラインと比較して、キャッサバデータセット（自然環境画像）で精度が6.80%向上しました。;分布外データセットでの有意な精度向上を示し、汎化性能を検証しました。
結論:
- PlantCaFoは、既存モデルと比較して、少数ショット植物病害同定において優れたアプローチを提供します。;基盤モデルは、植物病害認識のような農業アプリケーションに効果的に適応できます。;提案されたDCon-AdapterとWDMは、効率的な知識統合と適応に貢献します。
