PND-Net: Plant Nutrition Deficiency and Disease Classification using Graph Convolutional Network

要約

さまざまな植物の栄養欠乏や病気が早期に特定され、検出されれば、農業の成長のために作物の収量生産が向上する可能性があります。
深層学習手法は、葉の視覚的症状から植物の病気や栄養不足を自動検出する際に優れたパフォーマンスを発揮することが証明されています。
この記事では、基本畳み込みニューラル ネットワーク (CNN) に追加されたグラフ畳み込みネットワーク (GNN) を使用して、植物の栄養欠乏と病気を分類するための新しい深層学習方法を提案します。
場合によっては、グローバル特徴記述子が病気の葉の重要な領域を捕捉できない場合があり、それが病気の不正確な分類の原因となります。
この問題に対処するには、全体的な特徴の集約には地域特徴の学習が不可欠です。
この研究では、識別的な特徴表現のための空間ピラミッド プーリングを使用して、マルチスケールでの領域ベースの特徴の要約を検討します。
GCN は、植物の病気や栄養素の不足を分類するための詳細を学習できるように開発されました。
Plant Nutrition Deficiency and病気ネットワーク (PND-Net) と呼ばれる提案された方法は、栄養欠乏については 2 つの公開データセットで評価され、4 つの CNN を使用して病気分類については 2 つの公開データセットで評価されます。
最良の分類結果は次のとおりです。 (a) 90.00% のバナナと 90.54% のコーヒーの栄養欠乏。
(b) ジャガイモの病気が 96.18%、Xception バックボーンを使用した PlantDoc データセットでは 84.30%。
さらに、一般化のために追加の実験が行われ、提案された方法は、乳がん組織病理学画像分類という 2 つの公開データセットで最先端のパフォーマンスを達成しました (BreakHis 40X: 95.50%、BreakHis 100X: 96.79%)。
精度）および子宮頸がん分類のためのパプスメア画像内の単一細胞（SIPaKMeD: 99.18% 精度）。
また、PND-Net は 5 分割相互検証を使用してパフォーマンスの向上を実現します。

要約(オリジナル)

Crop yield production could be enhanced for agricultural growth if various plant nutrition deficiencies, and diseases are identified and detected at early stages. The deep learning methods have proven its superior performances in the automated detection of plant diseases and nutrition deficiencies from visual symptoms in leaves. This article proposes a new deep learning method for plant nutrition deficiencies and disease classification using a graph convolutional network (GNN), added upon a base convolutional neural network (CNN). Sometimes, a global feature descriptor might fail to capture the vital region of a diseased leaf, which causes inaccurate classification of disease. To address this issue, regional feature learning is crucial for a holistic feature aggregation. In this work, region-based feature summarization at multi-scales is explored using spatial pyramidal pooling for discriminative feature representation. A GCN is developed to capacitate learning of finer details for classifying plant diseases and insufficiency of nutrients. The proposed method, called Plant Nutrition Deficiency and Disease Network (PND-Net), is evaluated on two public datasets for nutrition deficiency, and two for disease classification using four CNNs. The best classification performances are: (a) 90.00% Banana and 90.54% Coffee nutrition deficiency; and (b) 96.18% Potato diseases and 84.30% on PlantDoc datasets using Xception backbone. Furthermore, additional experiments have been carried out for generalization, and the proposed method has achieved state-of-the-art performances on two public datasets, namely the Breast Cancer Histopathology Image Classification (BreakHis 40X: 95.50%, and BreakHis 100X: 96.79% accuracy) and Single cells in Pap smear images for cervical cancer classification (SIPaKMeD: 99.18% accuracy). Also, PND-Net achieves improved performances using five-fold cross validation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google