PlantPlotGAN: A Physics-Informed Generative Adversarial Network for Plant Disease Prediction

要約

プランテーションの監視は、作物管理と健全な収穫物を生産するために非常に重要です。
無人航空機 (UAV) は、この監視に役立つマルチスペクトル画像を収集するために使用されています。
しかし、監視対象のヘクタール数と飛行の制限を考慮すると、植物の病気のシグナルが視覚的に明確になるのは、植物の成長の後期段階になってからであり、病気がプランテーションのかなりの部分に広がった場合に限られます。
この限られた量の関連データは、アルゴリズムが不均衡または非現実的な拡張データセットを含むパターンを効果的に一般化するのに苦労するため、予測モデルの妨げとなります。
この問題に対処するために、現実的な植生インデックスを備えた合成マルチスペクトル プロット画像を作成できる、物理学に基づいた生成モデルである PlantPlotGAN を提案します。
これらのインデックスは疾患検出の代用として機能し、私たちのモデルが予測モデルの精度の向上に役立つかどうかを評価するために使用されました。
結果は、PlantPlotGAN から生成された合成画像が、エシェ開始距離に関して最先端の方法よりも優れていることを示しています。
さらに、予測モデルは、植物の病気を早期に検出するために合成画像と元の画像を使用してトレーニングすると、実際の画像のみに基づいたトレーニング プロセスと比較して、より高い精度のメトリクスを実現します。

要約(オリジナル)

Monitoring plantations is crucial for crop management and producing healthy harvests. Unmanned Aerial Vehicles (UAVs) have been used to collect multispectral images that aid in this monitoring. However, given the number of hectares to be monitored and the limitations of flight, plant disease signals become visually clear only in the later stages of plant growth and only if the disease has spread throughout a significant portion of the plantation. This limited amount of relevant data hampers the prediction models, as the algorithms struggle to generalize patterns with unbalanced or unrealistic augmented datasets effectively. To address this issue, we propose PlantPlotGAN, a physics-informed generative model capable of creating synthetic multispectral plot images with realistic vegetation indices. These indices served as a proxy for disease detection and were used to evaluate if our model could help increase the accuracy of prediction models. The results demonstrate that the synthetic imagery generated from PlantPlotGAN outperforms state-of-the-art methods regarding the Fr\’echet inception distance. Moreover, prediction models achieve higher accuracy metrics when trained with synthetic and original imagery for earlier plant disease detection compared to the training processes based solely on real imagery.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google