Improved Cotton Leaf Disease Classification Using Parameter-Efficient Deep Learning Framework

要約

「白い黄金」とも呼ばれる綿作物は、主に葉に影響を及ぼすさまざまな病気が原因で、生産上の重大な課題に直面しています。
世界の主要な繊維源として、最適な収量を確保し、作物の健康を維持するには、タイムリーかつ正確に病気を特定することが重要です。
この課題に対処するためにディープラーニングや機械学習の技術が研究されてきましたが、農業従事者にとって計算効率がよい、より少ないパラメーターを備えた軽量モデルの開発にはまだギャップが残っています。
これに対処するために、MobileNet のトレーニング可能な層のサブセット、転移学習、データ拡張、学習率減衰スケジュール、モデル チェックポイント、早期停止メカニズムを統合した革新的な深層学習フレームワークを提案します。
当社のモデルは、卓越したパフォーマンスを示し、7 つの綿花病タイプを 98.42% の全体精度と 96% ～ 100% の範囲のクラス精度で正確に分類します。
これにより効率が大幅に向上し、精度とモデルの複雑さにおいて最近のアプローチを上回ります。
文献にある既存のモデルは、より少ない疾患種類のデータセットでテストした場合でも、まだそれほど高い精度を達成していません。
大幅なパフォーマンスの向上とモデルの軽量性の組み合わせにより、スマート農業における実際のアプリケーションに実用的に適しています。
高性能で効率的なソリューションを提供することで、当社のフレームワークは綿花栽培の課題に対処できる可能性があり、持続可能な農業実践に貢献します。

要約(オリジナル)

Cotton crops, often called ‘white gold,’ face significant production challenges, primarily due to various leaf-affecting diseases. As a major global source of fiber, timely and accurate disease identification is crucial to ensure optimal yields and maintain crop health. While deep learning and machine learning techniques have been explored to address this challenge, there remains a gap in developing lightweight models with fewer parameters which could be computationally effective for agricultural practitioners. To address this, we propose an innovative deep learning framework integrating a subset of trainable layers from MobileNet, transfer learning, data augmentation, a learning rate decay schedule, model checkpoints, and early stopping mechanisms. Our model demonstrates exceptional performance, accurately classifying seven cotton disease types with an overall accuracy of 98.42% and class-wise precision ranging from 96% to 100%. This results in significantly enhanced efficiency, surpassing recent approaches in accuracy and model complexity. The existing models in the literature have yet to attain such high accuracy, even when tested on data sets with fewer disease types. The substantial performance improvement, combined with the lightweight nature of the model, makes it practically suitable for real-world applications in smart farming. By offering a high-performing and efficient solution, our framework can potentially address challenges in cotton cultivation, contributing to sustainable agricultural practices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google