トウモロコシ葉病害分類のための新しい軽量ハイブリッドCNN-ViT

科学分野:

• 農業科学
• コンピュータビジョン
• 人工知能

背景:

• トウモロコシは、植物病害による収量の大幅な損失に直面している、世界的に重要な作物です。
• 手動による病害診断は、労働集約的でエラーが発生しやすく、スケーラビリティに欠けます。
• 深層学習を用いた自動診断法は可能性を示していますが、CNNやViTのような既存のアーキテクチャには限界があります。

研究 の 目的:

• 正確かつ効率的なトウモロコシ病害診断のための軽量ハイブリッド深層学習モデルを開発すること。
• 大域的コンテキストを捉える上での畳み込みニューラルネットワーク（CNN）の限界と、データおよび計算要件におけるビジョントランスフォーマー（ViT）の限界を克服すること。

主な方法:

• CNNとViTのコンポーネントを統合した、Mixture-of-Experts（MoE）アーキテクチャに着想を得た新しいハイブリッドモデルを提案しました。
• 入力画像の特性に基づいて、ローカル特徴抽出とグローバル特徴抽出のバランスを適応的に取ります。
• 完全なトウモロコシ植物画像を含む、新しい実世界のデータセットでモデルを評価しました。

主要な成果:

• トウモロコシ病害データセットで例外的に高い99.90%の分類精度を達成しました。
• MobileViT、PiT、EdgeNeXt、DeiTを含む既存の最先端モデルを大幅に上回りました。
• 植物病害診断における軽量ハイブリッドアーキテクチャの有効性を実証しました。

結論:

• 軽量ハイブリッド深層学習モデルは、高性能な自動植物病害診断のための実行可能なソリューションを提供します。
• 開発されたモデルは、作物管理の改善のために農業分野での実用的な展開に大きな可能性を示しています。
• このアプローチは、世界の食料安全保障を守るための効率的かつ正確な診断ツールの必要性に対処します。