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

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

Smart Agriculture and AI参考文献 21被引用数 142

ひとこと要約

本論文は、PlantVillage.org でホスティングされている、50,000枚以上の専門家が検証した健全および病変を有する作物の葉の画像を含むオープンアクセスのリポジトリを紹介する。このリポジトリは、機械学習およびクラウドソーシングを活用したモバイルベースの植物病害診断の開発を支援することを目的としている。このデータセットにより、作物病害の検出を目的としたコンピュータビジョンモデルの学習が可能となり、特に発展途上地域における収量損失の低減が目指される。

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%. Infectious diseases of crops are not new and historic examples such as the Irish Potato Famine of 1845-49 demonstrate this. But what is new is the widespread distribution of smartphones among crop growers around the world with an expected 5 billion smartphones by 2020. This 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. Computer vision and machine learning have shown their potential to automatically classify images. To do this for plant diseases requires a training set that facilitates the development of the algorithms. Here we announce the release of >50,000 expertly curated images on healthy and infected leaves of crops plants through the existing platform www.PlantVillage.org. 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

• 農業分野におけるスケーラブルで正確な植物病害診断の必要性、特に感染性病害によって40％を超える収量損失が生じる発展途上地域における課題に対処すること。
• 2020年までに50億台に達すると予想されるスマートフォンの世界的な普及を活用し、農家が利用可能なモバイルベースの診断ツールを実現すること。
• 大規模で専門家が検証したオープンアクセスの画像リポジトリを構築し、自動病害分類のための機械学習モデルの学習を可能とすること。
• 継続的な改善を図るため、クラウドソーシングを活用した継続的かつ拡張可能なデータセットの拡大・維持を促進すること。
• コンピュータビジョンおよび機械学習を活用した、アクセス可能で低コストの診断ツールの開発を支援し、収量損失の低減と食料安全保障の向上を図ること。

提案手法

• 著者らは、専門家の検証を経て、健全および病変を有する作物の葉の高品質な画像を50,000枚以上収集した。
• 画像は、既存の PlantVillage.org プラットフォームを活用して収集・整理された。このプラットフォームは、画像の提出、アノテーション、共有を支援する。
• データセットは教師あり機械学習をサポートする構造となっており、画像は病害種別および健康状態のラベルが付与されている。
• プラットフォームは、農家、研究者、一般市民からの貢献を可能とするクラウドソーシングによる継続的データ収集を可能としている。
• リポジトリは公開されており、拡張可能に設計されており、病害分類に使用される機械学習フレームワークとの統合を支援する。
• スマートフォンアプリケーションで使用されるモデルの学習に適した画像品質およびメタデータを保証することで、モバイルデプロイメントを支援している。

実験結果

リサーチクエスチョン

• RQ1 大規模でオープンアクセスの植物の葉画像リポジトリは、モバイルベースの植物病害診断の正確性およびアクセス可能性をどのように向上させるか？
• RQ2 クラウドソーシングは、植物健康分野における機械学習モデルの学習に適した高品質なデータセットの拡大・維持にどのような役割を果たすか？
• RQ3 専門家が検証した公開可能な画像データは、早期病害検出を可能にすることで、作物の収量損失を顕著に低減できるか？
• RQ4 スマートフォン技術は、発展途上地域の農家にスケーラブルで低コストの診断ツールをどのように提供できるか？
• RQ5 コンピュータビジョンとクラウドソーシングによるデータ収集を組み合わせることで、持続可能な食料生産を支援する可能性は何か？

主な発見

• 著者らは、健全および病変を有する両方の状態の作物の葉を含む、50,000枚を超える専門家が検証した画像のデータセットを無償で公開した。
• データセットは、PlantVillage.org プラットフォームにホスティングされており、一般のアクセス、貢献、継続的な拡張が可能である。
• このオープンアクセスのリポジトリの可用性により、自動植物病害分類のためのコンピュータビジョンモデルの学習が促進される。
• 本提言は、収量損失が著しい地域に展開可能なスケーラブルなモバイルベースの診断ツールの基盤を築いた。
• プラットフォームは、機械学習とクラウドソーシングの統合を支援し、植物健康モニタリングのための持続可能でコミュニティ主導のリソースを実現した。
• データセットは、低資源環境での実用的デプロイメントを想定して設計されており、グローバルな食料安全保障の目標と整合している。