[論文レビュー] sCrop: A Internet-of-Agro-Things (IoAT) Enabled Solar Powered Smart Device for Automatic Plant Disease Prediction

U. Venkanna, Saraju P. Mohanty+2 more|arXiv (Cornell University)|May 9, 2020

Smart Agriculture and AI参考文献 44被引用数 6

ひとこと要約

本論文では、太陽光パワードの埋め込みセンサーノードとESP8266マイコンを搭載した、IoAT（農業のためのモノのインターネット）システムsCropを提案する。このシステムは、畑の葉の画像を収集し、畳み込みニューラルネットワーク（CNN）を用いてリアルタイムで自動的に植物病害を予測する。2か月間の現地実装において、病害の検出精度は99.2％に達し、実環境でも高い耐久性とエネルギー効率を示した。

ABSTRACT

Internet-of-Things (IoT) is omnipresent, ranging from home solutions to turning wheels for the fourth industrial revolution. This article presents the novel concept of Internet-of-Agro-Things (IoAT) with an example of automated plant disease prediction. It consists of solar enabled sensor nodes which help in continuous sensing and automating agriculture. The existing solutions have implemented a battery powered sensor node. On the contrary, the proposed system has adopted the use of an energy efficient way of powering using solar energy. It is observed that around 80% of the crops are attacked with microbial diseases in traditional agriculture. To prevent this, a health maintenance system is integrated with the sensor node, which captures the image of the crop and performs an analysis with the trained Convolutional Neural Network (CNN) model. The deployment of the proposed system is demonstrated in a real-time environment using a microcontroller, solar sensor nodes with a camera module, and an mobile application for the farmers visualization of the farms. The deployed prototype was deployed for two months and has achieved a robust performance by sustaining in varied weather conditions and continued to remain rust-free. The proposed deep learning framework for plant disease prediction has achieved an accuracy of 99.2% testing accuracy.

研究の動機と目的

• 従来の農業における微生物病害による作物損失（最大80％）を低減するため、早期で自動的な病害検出を可能にする。
• バッテリー依存を排除し、遠隔農業環境でも継続的な監視が可能な、エネルギー効率の高い太陽光パワードのセンサーノードを開発する。
• 土壌水分と作物画像のリアルタイムデータ収集を、クラウドベースの深層学習を用いた病害予測と統合し、農家に実行可能なインサイトを提供する。
• 低コストでスケーラブルかつ耐久性のあるIoT対応ソリューションにより、精密農業の運用コストを削減し、持続可能性を向上させる。
• モバイルアプリとクラウド分析を通じて、農作物の健康状態に関するタイムリーなアラートを提供し、農家の意思決定を支援する。

提案手法

• システムは、追加の通信ハードウェアを必要とせず、クラウドとのWi-Fi接続を可能にする、太陽光パワードのNodeMCU（ESP8266）マイコンを中央処理ユニットとして使用する。
• 統合されたセンサには、温度と湿度を測定するDHT11、独自開発の錆びない土壌水分センサ、および葉の画像を撮影するためのOV7670カメラモジュールが含まれる。
• 画像データはThingSpeakクラウドプラットフォームに送信され、保存および処理が行われる。ここでは、事前に訓練済みのCNNモデルが自動的に病害分類を実行する。
• CNNモデルは、38種類の異なる作物病害を表す54,306枚の画像からなるデータセットで学習され、エンドツーエンドの自動病害予測が可能になる。
• モバイルアプリはリアルタイムのセンサデータと病害予測結果を可視化し、農家が現場状況を監視し、予防策を講じるのを支援する。
• 日差しが少ない状況でも継続的な運用を確保するため、バックアップ用バッテリを内蔵しており、変動する天候下でも信頼性を高めている。

実験結果

リサーチクエスチョン

• RQ1 太陽光パワードで低コストなセンサーノードは、現実の農業環境において、作物の健康状態と環境パrameterを信頼性高く継続的に監視できるか？
• RQ2 畑で撮影された葉の画像を用いたCNNベースの画像分類モデルは、どの程度正確に植物病害を同定できるか？
• RQ3 太陽光エネルギーとWi-Fi搭載マイコンの統合は、IoTベースの農業システムのエネルギー効率と導入可能性をどの程度向上させるか？
• RQ4 独自開発の腐食に強い土壌水分センサは、屋外環境下でのシステムの耐久性とデータ正確性にどのような影響を与えるか？
• RQ5 モバイルアプリケーションインターフェースは、農家がリアルタイムの作物病害予測を解釈し、対応行動を取るためにどの程度効果的か？

主な発見

• 提案されたsCropシステムは、54,306枚の多様な葉の画像で事前に学習された深層CNNモデルを用いて、病害分類のテスト精度が99.2％に達した。
• 太陽光パワードのセンサーノードは、2か月間にわたり現実の天候条件下でも、錆びず、正常に稼働し、高い耐久性を示した。
• ESP8266マイコンに内蔵されたWi-Fi機能のおかげで、追加の通信ハードウェアが不要となり、システムコストと複雑さが削減された。
• 独自開発の土壌水分センサは、耐久性に優れ、腐食に強く、屋外での運用において従来のセンサを上回る性能を示した。
• モバイルアプリは、センサデータと病害予測結果のリアルタイム可視化を可能にし、農家の早期対応を支援した。
• エネルギー効率、コスト、正確性の面で、既存のソリューションを大きく上回り、プロトタイプコストが低く、現地環境下でも高い信頼性を示した。