[论文解读] 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 897

一句话总结

本文介绍了PlantVillage，这是一个开放获取的图像资源库，包含超过50,000张经过精心筛选的健康与患病作物叶片图像，托管于公共平台，旨在支持基于移动设备的植物病害诊断工具的开发。通过利用智能手机的普及性和计算机视觉技术，该资源库使机器学习模型能够识别植物病害，旨在减少农业中的产量损失，尤其是在发展中国家。

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.

研究动机与目标

• 通过减少由传染性病害引起的作物产量损失，应对日益增长的全球粮食需求。
• 利用农业社区中智能手机的广泛使用，实现实时、可访问的植物病害诊断。
• 创建一个公开可用的、由专家筛选的植物叶片图像数据集，用于训练植物健康领域的机器学习模型。
• 通过计算机视觉和众包技术，支持移动应用程序的开发，以实现作物病害的早期检测。
• 建立一个可扩展的开放平台，用于农业诊断中的持续数据收集和模型改进。

提出的方法

• 作者从多种植物物种中收集并筛选了超过50,000张高质量的作物叶片图像，包括健康和患病样本。
• 图像由植物健康专家收集并验证，以确保疾病分类的准确性和一致性。
• 将数据集托管于现有的PlantVillage在线平台，以确保研究人员和开发者能够获得开放、免费且可持续的访问。
• 该平台支持众包模式，可实现数据的持续扩展和社区贡献。
• 该资源库旨在支持计算机视觉和机器学习模型，以实现在移动应用程序中自动检测病害。
• 该系统与基于智能手机的诊断工具集成，通过图像分析实现实时病害识别。

实验结果

研究问题

• RQ1 一个开放获取的、由专家筛选的植物叶片图像资源库，能否提高基于移动设备的植物病害诊断的准确性和可扩展性？
• RQ2 在农业专业知识有限的发展中国家，基于智能手机的图像分析在多大程度上能够减少作物产量损失？
• RQ3 众包的、社区驱动的方法在扩展和维护大规模植物健康图像数据集方面有多有效？
• RQ4 计算机视觉在通过移动应用程序实现植物病害早期检测方面发挥什么作用？
• RQ5 像PlantVillage这样的开放数据平台，能否加速可持续农业中人工智能工具的开发？

主要发现

• 作者成功地向公众发布了超过50,000张由专家筛选的作物叶片图像，涵盖健康与患病状态。
• PlantVillage平台为训练植物病害检测中的机器学习模型，提供了开放、免费且可扩展的数据集访问。
• 该数据集支持开发利用智能手机图像通过计算机视觉识别植物病害的移动应用程序。
• 该举措证明了利用众包和开放数据构建工具的可行性，以应对资源有限环境下的粮食安全挑战。
• 该平台设计为可持续扩展，可通过社区贡献实现持续的数据收集和模型优化。
• 该资源库为研究人员开发人工智能驱动的解决方案以减少由传染性病害引起的作物产量损失，提供了基础性资源。