深層学習によるカンキツグリーニング病の簡易診断技術の開発

カテゴリ: 部門大会

論文No: TC17-2

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): A simple diagnostic method for citrus greening disease with deep learning

著者名: 董 睿?（関西大学）,林 武文（関西大学）,白岩 史（鳥取大学）

著者名(英語): RUIHAO DONG (Kansai University),TAKEFUMI HAYASHI (Kansai University),AYA SHIRAIWA (Tottori University)

キーワード: カンキツグリーニング病|深層学習|Faster RCNN|注意機構|転移学習カンキツ病害検出|Citrus greening disease|Deep learning|Faster RCNN|Attention mechanism|Transfer learningCitrus disease detection

要約(日本語): カンキツグリーニング病（CG）は柑橘類に深刻な被害をもたらす病害である。現時点では、CGに対する治療法がなく、感染拡大を防ぐため、感染木の早期発見と除去が重要である。近年、デジタル画像によるCGの検出、特に野外撮影画像に対する深層学習への期待が高まっている。本論文では、Faster RCNNの転移学習を利用し、CGの簡易診断手法を提案した。CGに深刻な被害を受けているタイとベトナムで野外撮影画像を収集し学習した。葉と木全体の画像に対し、アノテーションを施し、VGGとResnet、及びVGGにCBAM注意機構を実装した改良モデルでの結果を比較した。その結果、CGの葉だけのアノテーションでは、健康や他病害を加えるより効果が低く、CGの検出ではVGG16+CBAMでのAP=96.94％、F2=95.69％に達した。また、木全体のCG検出では、CBAMを加えた改良モデルにより、検出精度が大幅に向上し、VGG19+CBAMでのAP=83.64%、F2=91.30%を達成した。