深層ニューラルネットワークモデルを用いた柑橘類果実と葉の病気の自動検出

柑橘類果実の病気は、極端な柑橘類果実の生産量低下の主要な原因です。そのため、柑橘類植物の病気の自動検出システムの設計が重要です。近年、深層学習手法は、いくつかの人工知能の問題において有望な結果を得ており、これを柑橘類の果実および葉の病気認識の課題に適用することにしました。本論文では、畳み込みニューラルネットワーク（CNN）モデルを提案するために統合的アプローチを使用しています。提案されたCNNモデルは、ブラックスポット、キャンカー、スカブ、緑化、メラノーゼなどの一般的な柑橘類の病気を持つ果実/葉と健康な果実および葉を区別することを目的としています。提案されたCNNモデルは、複数の層を統合することにより、補完的な識別特徴を抽出します。CNNモデルは、CitrusおよびPlantVillageデータセットに対して多くの最先端の深層学習モデルと対比して確認されました。実験結果によれば、CNNモデルはさまざまな評価指標において競合他社を上回っています。CNNモデルのテスト精度は94.55％であり、柑橘類果実/葉の病気を分類しようとする農家にとって貴重な意思決定支援ツールとなります。