要旨: マンゴー栽培は農業分野において重要であり、経済発展と食料安全保障に大きく寄与している。しかし、マンゴーの葉に影響する病気は、生産量と果実の全体的な等級の両方を大幅に低下させうる。葉の病気を早期かつ高精度に検出することは、効果的な病害予防と作物生産性の維持にとって鍵である。本論文では、「GourNet」という名称の「深層学習」モデルを導入し、「畳み込みニューラルネットワーク（Convolutional Neural Networks）」を活用してマンゴーの葉の感染を識別する。我々は提示したモデルの有効性を訓練および評価するために、「MangoLeafBD」（MBD）データセットを用いる。MBDデータセットには7つの病気クラスとHealthy（健康）クラスが含まれており、全部で8クラスとなる。モデルの性能を向上させるため、学習前に画像をリサイズ、リスケーリング、データ拡張のような手順で前処理する。モデルを適切に評価するため、データセットは80%を学習に用い、残り20%を検証とテストに均等に分割する。我々のモデルは合計683,656個のパラメータのみを使用し、分類精度97%を達成した。本研究のソースコードは以下で入手できる: https://github.com/ekramalam/GourNet-Repo.
GourNet：マンゴーの葉の病気を検出するCNNベースのモデル
arXiv cs.CV / 2026/5/1
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文では、「GourNet」というCNNベースの深層学習モデルを提案し、マンゴーの葉の病気を検出して健康な状態と区別することを目的にしています。
- 学習・評価には、7つの病害クラスと健康クラスを含む計8カテゴリのMangoLeafBD（MBD）データセットを用いています。
- 学習前に、画像のリサイズ、リスケーリング、データ拡張といった前処理を行い、性能向上を図っています。
- 評価のため、データセットは80%を学習に、残り20%を検証とテストに均等配分して分割しています。
- GourNetは総パラメータ数683,656という比較的軽量な構成で、分類精度97%を達成したと報告されており、コードはGitHubで公開されています。
