[論文レビュー] A smartphone application to detection and classification of coffee leaf miner and coffee leaf rust

Giuliano L. Manso, Helder Knidel+2 more|arXiv (Cornell University)|Mar 19, 2019

Smart Agriculture and AI参考文献 28被引用数 36

ひとこと要約

本論文は、葉画像からコーヒー葉のさび病とコーヒー葉鉱を検出するスマートフォンアプリを提案し、葉をセグメント化し、特徴を抽出し、ANN/ELMで分類し、病害の重症度を算出します。

ABSTRACT

Generally, the identification and classification of plant diseases and/or pests are performed by an expert . One of the problems facing coffee farmers in Brazil is crop infestation, particularly by leaf rust Hemileia vastatrix and leaf miner Leucoptera coffeella. The progression of the diseases and or pests occurs spatially and temporarily. So, it is very important to automatically identify the degree of severity. The main goal of this article consists on the development of a method and its i implementation as an App that allow the detection of the foliar damages from images of coffee leaf that are captured using a smartphone, and identify whether it is rust or leaf miner, and in turn the calculation of its severity degree. The method consists of identifying a leaf from the image and separates it from the background with the use of a segmentation algorithm. In the segmentation process, various types of backgrounds for the image using the HSV and YCbCr color spaces are tested. In the segmentation of foliar damages, the Otsu algorithm and the iterative threshold algorithm, in the YCgCr color space, have been used and compared to k-means. Next, features of the segmented foliar damages are calculated. For the classification, artificial neural network trained with extreme learning machine have been used. The results obtained shows the feasibility and effectiveness of the approach to identify and classify foliar damages, and the automatic calculation of the severity. The results obtained are very promising according to experts.

研究の動機と目的

• 農家を支援するためのコーヒー葉の病害虫の自動識別を動機づける。
• スマートフォン画像から葉面の損傷を検出し、さび病と葉鉿を分類するモバイル手法を開発する。
• 葉面積に対する割合として損傷の重症度を自動的に算出できるようにする。
• 頑健な分類を支援するためにセグメンテーション手法と特徴量セットを比較する。

提案手法

• 色空間変換（HSV, YCbCr, YCgCr）としきい値（Otsu、反復的）を用いて背景検査とともに画像から葉をセグメント化する。
• 葉の精度を最大化するために複数の手法（Otsu、k-means、YCgCr閾値処理）でセグメンテーションを評価する。
• 損傷領域から質量特徴（GLCM）および色特徴（平均、標準偏差、分散、エントロピー）を抽出し、共起行列指標（コントラスト、非類似性、同質性、エネルギー、相関）を計算する。
• 損傷葉域をコーヒー葉鉱またはコーヒー葉さびとして人工ニューラルネットワーク（バックプロパゲーション）および極端学習機械（ELM）で分類する。
• セグメント化結果からピクセルベースの面積測定を用いて重症度を ( damaged area / leaf area ) × 100 として算出する。
• 分類のためにスマートフォン（ASUS Zenfone 2）で撮影された画像データセットを使用し、訓練データをバランスさせる。

実験結果

リサーチクエスチョン

• RQ1 スマートフォンベースのパイプラインは、葉画像におけるコーヒー葉のさび病と葉鉱を正確に区別できるか。
• RQ2 損傷領域を信頼性のある重症度推定のために最も適切に境界づけるセグメンテーションと特徴抽出戦略はどれか。
• RQ3 ANN（バックプロパゲーション）と極端学習機械（ELM）分類器は、この二クラス問題でどう比較されるか。
• RQ4 算出された重症度は背景のばらつきや画像条件に対して頑健か。

主な発見

• 本アプローチは葉面損傷の自動検出と分類の実現性と有効性を示す。
• 背景のばらつきと色空間の選択がセグメンテーション品質に影響することを示しており、Otsuベースおよび YCgCr駆動の手法を評価している。
• 損傷領域の質感および色特徴を用い、ANN/ELM分類器と組み合わせることで葉さびと葉鉱を判別できる。
• セグメント化された領域から重症度を自動的に算出でき、時間経過にわたる客観的な監視を可能にする。
• 結果は専門家から非常に有望であると報告されており、モバイル解決の実現性を裏付けている。