Plant Disease Detection using Region-Based Convolutional Neural Network

要約

農業はバングラデシュの食糧と経済において重要な役割を果たしています。
長年にわたる人口の急速な増加により、食料生産の需要も増加しています。
作物の生産量が少ない主な理由の 1 つは、数多くの細菌、ウイルス、真菌による植物の病気です。
植物の病気を早期に発見し、農薬や肥料を適切に使用することは、病気を予防し収量を増やすために非常に重要です。
農家の多くは、植物の状態を具体的に知らずに、畑全体に一般的な農薬や肥料を使用しています。
したがって、製造コストが増加することが多く、それだけではなく、歩留まりに悪影響を与えることもあります。
深層学習モデルは、植物の画像から植物の病気を自動的に検出するのに非常に効果的であることがわかっており、それによって人間の専門家の必要性が軽減されます。
この論文は、トマト植物の葉の病気を予測するための軽量の深層学習モデルを構築することを目的としています。
領域ベースの畳み込みニューラル ネットワークを変更することで、ベンチマーク データセットで満足のいく経験的パフォーマンスを実証する効率的かつ効果的なモデルを設計します。
私たちが提案したモデルは、ドローンが葉の画像を撮影し、これらの画像が私たちのモデルに入力されて健康状態を知る、より大規模なシステムに簡単に導入できます。

要約(オリジナル)

Agriculture plays an important role in the food and economy of Bangladesh. The rapid growth of population over the years also has increased the demand for food production. One of the major reasons behind low crop production is numerous bacteria, virus and fungal plant diseases. Early detection of plant diseases and proper usage of pesticides and fertilizers are vital for preventing the diseases and boost the yield. Most of the farmers use generalized pesticides and fertilizers in the entire fields without specifically knowing the condition of the plants. Thus the production cost oftentimes increases, and, not only that, sometimes this becomes detrimental to the yield. Deep Learning models are found to be very effective to automatically detect plant diseases from images of plants, thereby reducing the need for human specialists. This paper aims at building a lightweight deep learning model for predicting leaf disease in tomato plants. By modifying the region-based convolutional neural network, we design an efficient and effective model that demonstrates satisfactory empirical performance on a benchmark dataset. Our proposed model can easily be deployed in a larger system where drones take images of leaves and these images will be fed into our model to know the health condition.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google