大規模言語モデルを用いた作物病害分類のための連鎖思考プロンプティングアプローチ ChatLeafDisease

科学分野:

• 農業科学;人工知能;植物病理学

背景:

• 正確な作物病害分類は、食料安全保障と効果的な病害管理にとって不可欠である。;ディープラーニングモデルには大量のトレーニングデータが必要であり、多様な作物への適用が制限される。;大規模言語モデル（LLM）はゼロショット学習の可能性を提供するが、作物病害分類への応用は十分に調査されていない。

主な方法:

• 連鎖思考（CoT）プロンプティングに基づいたフレームワークChatLeafDisease（ChatLD）を開発した。;病害説明データベースとCoTプロンプトによってガイドされる分類エージェントを統合した。;ChatLDの性能をGPT-4o、Gemini、Contrastive Language-Image Pre-training（CLIP）モデルと比較した。

結論:

• ChatLDフレームワークは、作物病害分類のための高精度でスケーラブルなLLMベースのソリューションを提供する。;テキスト説明を活用するこのトレーニング不要アプローチは、従来のディープラーニング手法のデータ制限を克服する。;ChatLDは、農業病害特定のための有望な代替手段を提示し、世界の食料安全保障への取り組みを支援する。