深層学習を用いたカンキツ樹木の罹患判定モデル高精度化を目指したヒトの視線解析

カテゴリ：部門大会

論文No：TC20-2

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：Analysis of visual behavior for improving the accuracy of HLB detection using deep learning

著者名：小林 温（鳥取大学）,董 睿灏（関西大学）,白岩 史（鳥取大学）

著者名(英語)： On Kobayashi (Tottori University Graduate School),Ruihao Dong (Kansai University Graduate School),Aya Shiraiwa (Tottori University)

キーワード：カンキツグリーニング病,熟練者,初心者,視線計測,固視顕著性マップ,HLB,experts,beginners,eye-tracking,fixationsaliency-map

要約(日本語)：柑橘グリーニング病（HLB）は柑橘類のかかる病気の一種であり，感染すると葉が徐々に黄色くなり，植物が枯死する．深層学習を基にしたHLB罹患判定モデルが提案されているが，樹木全体に対する診断精度は低いままである．診断精度を向上させるために，本研究ではHLBを判定する際の熟練者の眼球運動に着目した．熟練者と初心者の視覚行動の違いを明らかにするために，視線計測実験を実施した．計測結果を分析して，熟練者と初心者の比較し，診断に重要な視覚行動を特定した．分析結果から，熟練者は「葉以外にも樹木上部の葉の形状，枝や幹などの罹患判定に重要な領域に観察を集中していることが判明した」．HLB罹患判定モデルの精度向上を支援するために，樹木上部の葉の形状や枝なども適用することが必要である．今後は，熟練者と初心者の視覚行動の違いを利用したサリエンシーマップモデルを構築し，モデルの妥当性を評価・検証する．

本誌掲載ページ：703-709p

原稿種別：日本語

PDFファイルサイズ：1,084Kバイト