The Power of Transfer Learning in Agricultural Applications: AgriNet

要約

深層学習と転移学習の進歩により、植物の病気、害虫、雑草、植物種の検出など、農業におけるさまざまな自動分類タスクへの道が開かれました。
ただし、農業の自動化は、データセットのサイズが限られていることや、植物ドメイン固有の事前トレーニング済みモデルがないことなど、さまざまな課題に直面しています。
ドメイン固有の事前トレーニング済みモデルは、顔認識や医用画像診断など、さまざまなコンピュータービジョンタスクで最先端のパフォーマンスを示しています。
この論文では、AgriNetデータセット、19以上の地理的位置からの16万の農業画像のコレクション、いくつかの画像キャプションデバイス、および423以上のクラスの植物種と病気を提案します。
また、5つのImageNetアーキテクチャ（VGG16、VGG19、Inception-v3、InceptionResNet-v2、およびXception）で事前トレーニングされたモデルのセットであるAgriNetモデルも紹介します。
AgriNet-VGG19は、94％の最高の分類精度と92％の最高のF1スコアを達成しました。
さらに、提案されたすべてのモデルは、Inception-v3モデルの最小精度87％で、423クラスの植物種、病気、害虫、および雑草を正確に分類することがわかりました。最後に、ImageNetと比較したAgriNetモデルの優位性を評価するための実験
モデルは、バングラデシュの害虫および植物病害データセットとカシミールの植物病害データセットの2つの外部データセットで実施されました。

要約(オリジナル)

Advances in deep learning and transfer learning have paved the way for various automation classification tasks in agriculture, including plant diseases, pests, weeds, and plant species detection. However, agriculture automation still faces various challenges, such as the limited size of datasets and the absence of plant-domain-specific pretrained models. Domain specific pretrained models have shown state of art performance in various computer vision tasks including face recognition and medical imaging diagnosis. In this paper, we propose AgriNet dataset, a collection of 160k agricultural images from more than 19 geographical locations, several images captioning devices, and more than 423 classes of plant species and diseases. We also introduce AgriNet models, a set of pretrained models on five ImageNet architectures: VGG16, VGG19, Inception-v3, InceptionResNet-v2, and Xception. AgriNet-VGG19 achieved the highest classification accuracy of 94 % and the highest F1-score of 92%. Additionally, all proposed models were found to accurately classify the 423 classes of plant species, diseases, pests, and weeds with a minimum accuracy of 87% for the Inception-v3 model.Finally, experiments to evaluate of superiority of AgriNet models compared to ImageNet models were conducted on two external datasets: pest and plant diseases dataset from Bangladesh and a plant diseases dataset from Kashmir.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google