Empowering Agricultural Insights: RiceLeafBD – A Novel Dataset and Optimal Model Selection for Rice Leaf Disease Diagnosis through Transfer Learning Technique

要約

豊かな緑に囲まれたこの農業国に住む人口は日々増加しています。
その結果、住宅や工場だけでなく、耕作可能な土地も減少しています。
食糧危機は今後数日間、私たちにとって主な脅威となりつつあります。
なぜなら、一方では人口が増加している一方で、病気の攻撃により食用作物の生産量は減少しているからです。
米は世界人口の半分以上に食料を提供しているため、最も重要な栽培作物の1つです。
バングラデシュは農業にとって重要な作物としてコメ（Oryza sativa）に依存していますが、一般的な病気によってコメの収量が減少し続けているため、重大な問題に直面しています。
稲作栽培における主な困難は、病気の早期発見です。
本稿では、バングラデシュ現地から収集した独自のデータセットを提案し、データセットの評価に深層学習モデルと転移学習モデルを適用しました。
私たちはデータセットを詳しく説明し、このデータセットを使用して社会に役立つさらなる研究活動の方向性も示します。
私たちは軽量 CNN モデルと事前トレーニング済みの InceptionNet-V2、EfficientNet-V2、MobileNet-V2 モデルを適用し、この作業の EfficientNet-V2 モデルで 91.5% のパフォーマンスを達成しました。
得られた結果は他のモデルを圧倒し、最先端技術の一部と考えられるアプローチをも超えていました。
この研究により、この不偏データセットを使用してイネの葉に影響を与える病気を正確かつ効果的に特定できることが実証されました。
さまざまなモデルのパフォーマンスを分析した結果、提案されたデータセットは、イネの葉の病気を減らすためのソリューションを提供する研究活動において社会にとって重要です。

要約(オリジナル)

The number of people living in this agricultural nation of ours, which is surrounded by lush greenery, is growing on a daily basis. As a result of this, the level of arable land is decreasing, as well as residential houses and industrial factories. The food crisis is becoming the main threat for us in the upcoming days. Because on the one hand, the population is increasing, and on the other hand, the amount of food crop production is decreasing due to the attack of diseases. Rice is one of the most significant cultivated crops since it provides food for more than half of the world’s population. Bangladesh is dependent on rice (Oryza sativa) as a vital crop for its agriculture, but it faces a significant problem as a result of the ongoing decline in rice yield brought on by common diseases. Early disease detection is the main difficulty in rice crop cultivation. In this paper, we proposed our own dataset, which was collected from the Bangladesh field, and also applied deep learning and transfer learning models for the evaluation of the datasets. We elaborately explain our dataset and also give direction for further research work to serve society using this dataset. We applied a light CNN model and pre-trained InceptionNet-V2, EfficientNet-V2, and MobileNet-V2 models, which achieved 91.5% performance for the EfficientNet-V2 model of this work. The results obtained assaulted other models and even exceeded approaches that are considered to be part of the state of the art. It has been demonstrated by this study that it is possible to precisely and effectively identify diseases that affect rice leaves using this unbiased datasets. After analysis of the performance of different models, the proposed datasets are significant for the society for research work to provide solutions for decreasing rice leaf disease.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google