[논문 리뷰] An open access repository of images on plant health to enable the development of mobile disease diagnostics

David Hughes, Marcel Salathé|arXiv (Cornell University)|2015. 11. 25.

Smart Agriculture and AI참고 문헌 19인용 수 897

한 줄 요약

이 논문은 50,000장이 넘는 정제된 건강한 식물 잎과 병변이 있는 작물 잎의 이미지를 포함한 오픈 액세스 리포지토리인 PlantVillage를 소개한다. 이 리포지토리는 공공 플랫폼에 호스팅되어 스마트폰 기반의 식물 병해 진단 도구 개발을 지원한다. 스마트폰의 접근성과 컴퓨터 비전 기술을 활용함으로써 기계 학습 모델이 식물 병해를 식별할 수 있도록 하여, 특히 개발도상 지역에서 수확 손실을 줄이고자 한다.

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.

연구 동기 및 목표

• 전 세계적인 식량 수요 증가에 대응하기 위해 전염성 병해로 인한 작물 수확 손실을 줄이기 위해.
• 농업 공동체에서 스마트폰의 광범위한 사용을 활용하여 실시간이고 접근 가능한 식물 병해 진단을 가능하게 하기 위해.
• 기계 학습 모델 훈련을 위한 공개적이고 전문가가 정제한 식물 잎 이미지 데이터셋을 구축하기 위해.
• 컴퓨터 비전과 커뮤니티 기반 공유를 활용하여 농작물의 조기 병해 탐지에 적합한 모바일 애플리케이션 개발을 지원하기 위해.
• 농업 진단 분야에서 지속적인 데이터 수집과 모델 개선을 위한 확장 가능하고 오픈 플랫폼을 구축하기 위해.

제안 방법

• 저자들은 다양한 식물 종에서 건강한 상태와 병변이 있는 샘플을 포함한 50,000장이 넘는 고해상도 작물 잎 이미지를 정제하였다.
• 식물 건강 전문가들이 이미지를 수집하고 확인하여 병변 분류의 정확성과 일관성을 확보하였다.
• 기존의 PlantVillage 온라인 플랫폼에 데이터셋을 호스팅하여 연구자와 개발자들이 자유롭고 지속 가능한 방식으로 접근할 수 있도록 하였다.
• 플랫폼은 커뮤니티 기반의 데이터 확장과 기여를 지원한다.
• 리포지토리는 모바일 애플리케이션에서 자동 병해 탐지용 컴퓨터 비전 및 기계 학습 모델을 지원하도록 설계되었다.
• 스마트폰 기반 진단 도구와 통합되어 이미지 분석을 통해 실시간 병해 식별을 제공한다.

실험 결과

연구 질문

• RQ1 식물 잎의 오픈 액세스이자 전문가가 정제한 이미지 리포지토리는 스마트폰 기반의 식물 병해 진단 정확도와 확장성 향상에 기여할 수 있는가?
• RQ2 한국 등 농업 전문 지식이 제한된 개발도상 지역에서 스마트폰 기반의 이미지 분석은 얼마나 작물 수확 손실을 줄일 수 있는가?
• RQ3 커뮤니티 기반의 커스터마이제이션 방식은 대규모 식물 건강 이미지 데이터셋의 확장과 유지 관리에 얼마나 효과적인가?
• RQ4 컴퓨터 비전은 모바일 애플리케이션을 통해 식물 병해의 조기 탐지에 어떤 역할을 하는가?
• RQ5 PlantVillage와 같은 오픈 데이터 플랫폼은 지속 가능한 농업을 위한 AI 도구 개발을 가속화할 수 있는가?

주요 결과

• 저자들은 건강한 상태와 병변이 있는 상태의 작물 잎 이미지 50,000장이 넘는 전문가가 정제한 이미지를 공개적으로 배포하였다.
• PlantVillage 플랫폼은 식물 병해 진단을 위한 기계 학습 모델 훈련을 위한 성장 중인 데이터셋에 대해 개방적이고 무료이며 확장 가능한 접근을 가능하게 한다.
• 이 데이터셋은 스마트폰 이미지를 활용해 병해를 식별하는 컴퓨터 비전 기반의 모바일 애플리케이션 개발을 지원한다.
• 이 이니셔티브는 자원이 제한된 환경에서 식량 안보 문제를 해결하기 위한 도구를 구축하기 위해 커뮤니티 기반의 공유와 오픈 데이터를 활용할 수 있음을 입증한다.
• 플랫폼은 향후 지속적인 확장이 가능하도록 설계되었으며, 커뮤니티 기여를 통해 지속적인 데이터 수집과 모델 정교화가 가능하다.
• 이 리포지토리는 전염성 병해로 인한 작물 수확 손실을 줄이기 위한 연구자들이 AI 기반 솔루션을 개발하는 데 기초 자원이 된다.