効率的なDenseNet121を使用した米の植物病の分類
Amr Ismail1, Walid Hamdy2,3, Ali H Ibrahim1
1Faculty of Science, Port Said University, Port Said, Egypt.
Scientific reports
|February 20, 2026
まとめ
この研究では,正確な米病の特定のためにDenseNet121を導入し,97.9%の精度を達成しました. このAI主導のアプローチは,作物のモニタリングを強化し,世界の食糧安全保障を支援します.
科学分野:
- 農業科学 農業科学とは
- コンピュータサイエンス コンピュータサイエンス
- 人工知能 (AI) とは,人工知能 (AI) のことです.
背景:
- 植物病の正確な識別は,農業と食料安全保障にとって極めて重要です.
- 従来の方法はスピードとスケーラビリティが欠けている.
- ディープラーニングは,植物病の診断のための自動化されたソリューションを提供しています.
研究 の 目的:
- 総合的な米病分類モデルを開発する.
- より少ない疾患クラスに焦点を当てた以前の研究の限界に対処するために.
- 精度向上のためにDenseNet121アーキテクチャを実装する.
主な方法:
- 7つの一般的な米病のデータセットを利用した.
- 雇用されたDenseNet121は,ImageNetの重みから移転学習を行っています.
- 調整されたハイパーパラメータを持つAdam最適化器を使用してモデルを最適化しました.
主要な成果:
- 独立したテストセットで97.9%の全体的な精度を達成しました.
- 個々の疾患分類の精度は94%から99.67%であった.
- 精度 (96.2%),リコール (97.97%) およびF1スコア (97%) で堅実なパフォーマンスを実証しました.
結論:
- DenseNet121は,米の病気の自動診断のための非常に効果的なフレームワークです.
- このモデルは,農業の生産性を高めるための実用的なツールを提供します.
- このAIのアプローチは,持続可能な農業と食料安全保障をサポートします.
関連する概念動画
Responses to Drought and Flooding
12.2K
Water plays a significant role in the life cycle of plants. However, insufficient or excess of water can be detrimental and pose a serious threat to plants.
12.2K
Plant Breeding and Biotechnology
21.9K
Crop cultivation has a long history in human civilization, with records showing the cultivation of cereal plants beginning at around 8000 BC. This early plant breeding was developed primarily to provide a steady supply of food.
21.9K


