植物の病害同定のための軽量マルチ特徴ビュー畳み込みニューラルネットワーク

概要: 農業は、開発途上国の経済における重要な分野である。農村部の人々にとって、それは主要な収入源であり、雇用の場でもある。しかし毎年、害虫や病気のために作物の大部分が廃棄されている。植物の病気を適切なタイミングで予測することは、持続可能で高品質な農業生産にとって極めて重要である。従来の方法による植物の病気の検出は、労力を要し、かつ時間がかかる。研究者らは、この目的のために画像分類に基づく自動化手法を開発してきた。最も正確な手法の多くは、層数が多く、学習可能なパラメータが数百万に及ぶ計算集約型の深層畳み込みニューラルネットワークに基づいている。資源が制約される環境、特に農村地域では、効率的な植物の病気の同定のために深層畳み込みニューラルネットワークモデルを導入するのは困難である。これらの課題に対処するため、効率的で軽量なマルチビュー畳み込みニューラルネットワークが提案される。これらの追加機能は、提案モデルが、より少ないパラメータ数で、植物の病気を正確かつ効率的に同定するのに役立つ。提案モデルはベンチマークのPlantvillageデータセットで検証され、RGB（赤・緑・青）の植物画像のみを用いて学習されたベースラインの畳み込みニューラルネットワークモデルと比較して、分類精度が2.9\%向上する。最先端の深層畳み込みニューラルネットワークモデルと比較して、提案モデルは計算コストがより低く、PlantVillageデータセットにおける植物の病気同定において同等の精度を達成する。