[論文レビュー] An open access repository of images on plant health to enable the development of mobile disease diagnostics

David Hughes, Marcel Salathé|arXiv (Cornell University)|Nov 25, 2015

Smart Agriculture and AI参考文献 19被引用数 897

ひとこと要約

この論文では、50,000枚以上の校正済みの健全および病巣のある作物の葉の画像を収録したオープンアクセスのリポジトリ、PlantVillageを紹介している。このリポジトリは公開プラットフォーム上にホスティングされており、スマートフォンを活用した植物病害診断ツールの開発を支援することを目的としている。スマートフォンの普及とコンピュータビジョンを活用することで、機械学習モデルが植物病害を特定できるようになり、特に発展途上地域における収量損失の低減を狙っている。

ABSTRACT

Human society needs to increase food production by an estimated 70% by 2050 to feed an expected population size that is predicted to be over 9 billion people. Currently, infectious diseases reduce the potential yield by an average of 40% with many farmers in the developing world experiencing yield losses as high as 100%. The widespread distribution of smartphones among crop growers around the world with an expected 5 billion smartphones by 2020 offers the potential of turning the smartphone into a valuable tool for diverse communities growing food. One potential application is the development of mobile disease diagnostics through machine learning and crowdsourcing. Here we announce the release of over 50,000 expertly curated images on healthy and infected leaves of crops plants through the existing online platform PlantVillage. We describe both the data and the platform. These data are the beginning of an on-going, crowdsourcing effort to enable computer vision approaches to help solve the problem of yield losses in crop plants due to infectious diseases.

研究の動機と目的

• 感染性疾患によって引き起こされる収量損失を低減することで、増加する世界的な食料需要に対応すること。
• 農業地域におけるスマートフォンの広範な利用を活用し、リアルタイムでアクセス可能な植物病害診断を可能にすること。
• 機械学習モデルの学習に使用できる、公開可能で専門家が校正した植物の葉画像のデータセットを構築すること。
• コンピュータビジョンとクラウドソーシングを活用したモバイルアプリケーションの開発を支援し、作物の病害早期検出を実現すること。
• 農業診断分野における継続的なデータ収集とモデル改善を可能にするスケーラブルでオープンなプラットフォームを構築すること。

提案手法

• 著者らは、多様な植物種にまたがる健全および病巣のある葉の標本を含め、50,000枚以上の高品質な画像を収集した。
• 画像は植物健康専門家によって収集および検証され、病害分類の正確性と一貫性が保証された。
• 既存のPlantVillageオンラインプラットフォームにデータセットをホスティングすることで、研究者や開発者によるオープンで無料かつ持続可能なアクセスを実現した。
• プラットフォームはクラウドソーシングをサポートしており、継続的なデータ拡張とコミュニティによる貢献を可能にした。
• リポジトリは、モバイルアプリケーションにおける自動病害検出を目的としたコンピュータビジョンおよび機械学習モデルの支援を設計した。
• スマートフォンベースの診断ツールと統合され、画像分析を用いてリアルタイムでの病害識別を提供する。

実験結果

リサーチクエスチョン

• RQ1 植物の葉の画像を専門家が校正したオープンアクセスのリポジトリは、モバイルベースの植物病害診断の正確性とスケーラビリティを向上させることができるか？
• RQ2 スマートフォンベースの画像分析は、農業専門知識が限られた発展途上地域において、どの程度作物の収量損失を低減できるか？
• RQ3 クラウドソーシングとコミュニティ主導のアプローチは、大規模な植物健康画像データセットの拡張および維持にどの程度効果的か？
• RQ4 コンピュータビジョンは、モバイルアプリケーションを通じて植物病害の早期検出を可能にする上で、どのような役割を果たすか？
• RQ5 PlantVillageのようなオープンデータプラットフォームは、持続可能な農業のためのAIツールの開発を加速させることができるか？

主な発見

• 著者らは、健全および病巣のある状態の両方を含む、50,000枚以上の専門家が校正した作物の葉の画像を、公開に成功した。
• PlantVillageプラットフォームは、植物病害診断における機械学習モデルの学習に使用できる、成長し続けるデータセットへのオープンで無料かつスケーラブルなアクセスを可能にしている。
• このデータセットは、スマートフォンの画像を用いてコンピュータビジョンで植物病害を特定するモバイルアプリケーションの開発を支援する。
• このイニシャチブは、リソースが限られた環境における食料安全保障の課題に対処するためのツール構築の実現可能性を示している。
• プラットフォームは継続的な拡張を想定しており、コミュニティ貢献を通じた継続的なデータ収集とモデルの最適化が可能である。
• このリポジトリは、感染性疾患による作物の収量損失を低減するためのAI駆動のソリューションを開発する研究者にとって基盤的なリソースとなっている。