17日前

Nutrispace:キュウリの栄養不足の深層学習に基づく早期検出を向上させるための新規カラースペース

{Tofael Ahamed, M Nazim Uddin, Ehtashamul Haque, Nabil Anan Orka}
要約

植物の栄養不足の早期検出およびその即時な是正措置は、作物の収量および生産品質を維持するために不可欠である。しかし、コンピュータ支援診断ツールを用いても、葉の早期症状は微細なため、その検出はしばしば困難である。本研究では、この課題に対応するため、葉画像における栄養不足の初期兆候を強調することで、深層学習を用いた栄養ストレス認識の精度を向上させる新しい色空間「Nutrispace」を提案する。本研究では、EfficientNetB0、MobileNetV2、DenseNet121の3つの軽量分類器を用いて、Nutrispaceの性能をRGB、HSV、CIELABと比較した。さらに、Nutrispaceの有効範囲をより深く理解するため、4種類の画像入力サイズ(32×32、64×64、128×128、256×256)で各分類器の性能を検証した。テストデータセットには、アッシュゴーラ(Benincasa hispida)、イモウリ(Momordica charantia)、ヘビウリ(Trichosanthes cucumerina)の葉画像が含まれており、初期の窒素およびカリウム不足状態と健全な対照群を含んでいた。その結果、すべての12のテストケースにおいてNutrispaceは一貫して精度を向上させ、RGBと比較して1%から8%以上の向上を示した。特に高解像度のケースでは性能向上が顕著であり、256×256の画像において最大90.62%のテスト精度を達成した。総じて、分類器の構造や入力サイズにかかわらず、Nutrispaceは効果的に機能することが確認された。