Reliability Scores from Saliency Map Clusters for Improved Image-based Harvest-Readiness Prediction in Cauliflower

要約

カリフラワーは手で収穫される作物であり、販売においては高い品質基準を満たす必要があり、収穫のタイミングが重要になります。
ただし、カリフラワーの頭は樹冠で覆われているため、収穫の準備ができているかを正確に判断するのは困難な場合があります。
深層学習により収穫準備状況の自動推定が可能になりますが、圃場の変動性やトレーニング データが限られているためにエラーが発生する可能性があります。
この論文では、解釈可能な機械学習を使用して収穫準備状況分類器の信頼性を分析します。
顕著性マップのクラスターを識別することにより、ドメインと画像のプロパティに関する知識を使用して、各分類結果の信頼性スコアを導き出します。
目に見えないデータについては、信頼性を使用して、(i) 農家に意思決定を改善するよう通知し、(ii) モデルの予測精度を向上させることができます。
GrowliFflower データセットのさまざまな発育段階にある単一のカリフラワー植物の RGB 画像を使用して、さまざまな顕著性マッピングのアプローチを調査し、それらが異なる品質の信頼性スコアをもたらすことを発見しました。
最適な解釈ツールを使用して分類結果を調整し、GrowliFflower データセットの全体精度が 15.72% 向上して 88.14%、平均クラス精度が 15.44% 向上して 88.52% を達成しました。

要約(オリジナル)

Cauliflower is a hand-harvested crop that must fulfill high-quality standards in sales making the timing of harvest important. However, accurately determining harvest-readiness can be challenging due to the cauliflower head being covered by its canopy. While deep learning enables automated harvest-readiness estimation, errors can occur due to field-variability and limited training data. In this paper, we analyze the reliability of a harvest-readiness classifier with interpretable machine learning. By identifying clusters of saliency maps, we derive reliability scores for each classification result using knowledge about the domain and the image properties. For unseen data, the reliability can be used to (i) inform farmers to improve their decision-making and (ii) increase the model prediction accuracy. Using RGB images of single cauliflower plants at different developmental stages from the GrowliFlower dataset, we investigate various saliency mapping approaches and find that they result in different quality of reliability scores. With the most suitable interpretation tool, we adjust the classification result and achieve a 15.72% improvement of the overall accuracy to 88.14% and a 15.44% improvement of the average class accuracy to 88.52% for the GrowliFlower dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google