綿の葉の迅速な診断と織物の欠陥検出のための説明可能なトランスフォーマーフレームワーク
S M Masfequier Rahman Swapno1, Anamul Sakib2, Al Shahriar Uddin Khondakar Pranta3
1Department Of Computer Science and Engineering, Bangladesh University of Business and Technology, Dhaka 1216, Bangladesh.
iScience
|February 20, 2026
まとめ
新しいハイブリッドのディープラーニングモデルは,説明可能なAI (XAI) を使用して綿葉の病気や繊維の欠陥を正確に分類します. この効率的なフレームワークは,農業と繊維の品質評価のための高性能を提供します.
科学分野:
- 人工知能 (AI) とは,人工知能 (AI) のことです.
- コンピュータビジョン コンピュータビジョン
- 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.
背景:
- 綿の葉の病気や繊維の欠陥を正確に特定することは,農業の収穫量と繊維の品質にとって極めて重要です.
- 既存のAIモデルは,しばしば解釈能力や計算効率が欠けている.
研究 の 目的:
- 綿の葉の病気や繊維の欠陥を分類するために,CNNとビジョントランスフォーマーを組み合わせたハイブリッドのディープラーニングモデルを開発する.
- Explainable AI (XAI) テクニックを使用してモデルの解釈性を向上させる.
- 人工知能主導の品質評価において,高い精度と計算効率を達成するために.
主な方法:
- CNNベースの階層的な機能抽出とVision Transformerの自己注意 (XCottL-FebViT) を統合したハイブリッドのディープラーニングモデル.
- 説明可能なAI (XAI) の応用により,モデルの解釈性が向上します.
- 計算効率のためのハイパーパラメータ最適化.
- 4つのベンチマークデータセットによる評価:CottonLeafNet,SAR-CLD,CottonFabricImageBD,およびFabricSpotDefect. コットンリーフネット,SAR-CLD,コットンファブリックイメージBD,およびファブリックスポットデフェクト.
主要な成果:
- XCottL-FebViTは,既存のトランスフォーマーベースのモデルと比較して優れたパフォーマンスを示しました.
- 高いトレーニングと検証の精度 (例えば,CottonLeafNetの99.97%のトレーニングと99.93%の検証) を達成しました.
- データセット全体で精度,MCC,F1スコアの一貫した改善.
結論:
- 提案されたXCottL-FebViTモデルは,綿の葉の病変や繊維の欠陥を検出するための非常に正確で,解釈しやすく,計算効率の高いソリューションを提供します.
- XAIの統合は,ドメインの専門家にとって,AIの意思決定に対するより良い理解と信頼を促進します.
- ウェブベースの実用的なアプリケーションは,農業と繊維の実際の品質評価のためのリモート展開を可能にします.
