XAIインサイトを備えたGANブースト型ビジョン変圧器を使用した多クラス植物病害分類の強化

科学分野:

• 農業科学
• コンピュータサイエンス
• 人工知能

背景:

• 米の生産はインド経済にとって非常に重要ですが、植物病によって脅かされています。
• コンピュータビジョン、深層学習、機械学習は、病気の特定のためのソリューションを提供します。

研究 の 目的:

• 多クラスの米の葉の病気を認識する新しいモデルを開発すること。
• 精度農業における病気の検出精度と堅牢性を向上させること。

主な方法:

• ビジョン変圧器（ViT）、生成AI（GenAI）、および説明可能なAI（XAI）を統合したGRG-ViTモデルを提案しました。
• 空間依存性のキャプチャのためにViT、クラス不均衡の緩和のためにGenAI、およびハイブリッド活性化メカニズムを利用しました。
• 解釈可能性のためにGradient-weighted Class Activation Mapping（Grad-CAM）などのXAI手法を組み込みました。

主要な成果:

• GRG-ViTモデルは、従来のモデルを上回る約96%の全体的な精度を達成しました。
• GenAIはデータセットを効果的にバランスさせ、モデルの堅牢性を向上させました。
• XAIは、病気の特定のための重要な画像領域を強調することによって透明性を提供しました。

結論:

• GRG-ViTモデルは、米の病気の検出において高いパフォーマンスと信頼性を示しています。
• ViT、GenAI、およびXAIの統合は、精度農業のための強力なフレームワークを提供します。
• この研究は、高度なAI技術を通じて米の生産を保護することに貢献します。