要約
食糧農業機関（FAO）は、2019年の植物病害が世界経済に2200億ドルの損失をもたらしたと推定している。本論文では、自動的かつ信頼性の高い植物葉の病害分類を実現するため、軽量な深層畳み込みニューラルネットワーク（DCNN）を提案する。本手法は、入力となる植物葉の画像をRGBからCIE LAB座標に変換することから始める。その後、LチャンネルとABチャンネルが、修正されたInception V3アーキテクチャの最初の3層と並列してそれぞれ別々のブランチへと送られる。このアプローチにより、分岐部分のパラメータ数が全体の1/3から1/2まで削減される。また、塩とコショウノイズ、ぼかし、運動ぼかし、および部分的遮蔽といった複数のノイズを元のRGB画像に加える際、分類の信頼性が向上することが確認された。これらのノイズは、自然環境において見られる一般的な画像のばらつきを模倣している。本研究では、ABブランチのフィルタが、画像空間領域において相対的に低周波成分を扱うため、このような変動に対してより高い耐性を示すと仮説を立てる。