TeaLeafVision：茶葉の病害を分類するための、説明可能で堅牢な深層学習フレームワーク

概要: 水に次いで世界で2番目に消費されている飲料であるお茶は、単なる文化的な定番にとどまらず、きわめて大規模で影響力のある世界的な経済の力でもある。単なる飲み物以上のものであり、それは自然、文化、そして人がひとときの省察を求める気持ちのあいだで静かに行われる交渉を表している。そのため、お茶の葉の病気を正確に同定し検出することが極めて重要である。この目的のもと、いくつかの畳み込みニューラルネットワーク（CNN）モデルを評価した。その中でもDenseNet201、MobileNetV2、InceptionV3は、teaLeafBDデータセットにおいて顕著な性能を示した。teaLeafBDデータセットには7つのクラスが含まれており、そのうち6つが病気クラス、1つが健全クラスである。データはさまざまな圃場条件のもとで収集されており、現実世界の課題を反映している。CNNモデルの中でDenseNet201は、テスト精度99%という最高の精度を達成した。モデルの信頼性と解釈可能性を高めるために、モデルのノイズ耐性を向上させる目的で、Gradient weighted Class Activation Mapping（Grad CAM）、オクルージョン感度分析、ならびに敵対的学習の手法を実装した。最後に、実生活の農業においてモデルの能力を活用するためのプロトタイプを開発した。本論文は、現実の茶葉の病害検出と管理において、病気を分類するための深層学習モデルの能力を示す。