The Power of Transfer Learning in Agricultural Applications: AgriNet

要約

深層学習と転移学習の進歩は、植物の病気、害虫、雑草、植物種の検出など、農業における様々な自動化分類タスクへの道を開きました。しかし、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、植物ドメイン固有の事前学習モデルが存在しないことなど、依然として様々な課題に直面しています。ドメイン固有の事前学習済みモデルは、顔認識や医療画像診断を含む様々なコンピュータビジョンタスクで最先端の性能を示しています。本論文では、19以上の地理的位置からの160kの農業画像、いくつかの画像キャプション装置、および423以上の植物種と病気のクラスからなるコレクションであるAgriNetデータセットを提案する。また、5つのImageNetアーキテクチャで事前学習したモデル群であるAgriNetモデルも紹介する。VGG16、VGG19、Inception-v3、InceptionResNet-v2、Xceptionの5つのImageNetアーキテクチャで事前学習したモデル群も紹介します。その結果、AgriNet-VGG19が最も高い分類精度94 %、F1スコア92 %を達成しました。また、提案した全てのモデルは、植物種、病気、害虫、雑草の423のクラスを正確に分類することができ、Inception-v3モデルで最小87%の精度を達成した。最後に、ImageNetモデルと比較したアグリネットモデルの優位性を評価するために、2つの外部データセット（バングラデシュの害虫と植物の病気データセットとカシミールの植物の病気データ）を用いた実験を行っている。

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, DeepL