論文の概要: Configurable Multi-Stage Vision Pipeline for Crop Disease and Pest Diagnosis
- arxiv url: http://arxiv.org/abs/2609.21651v2
- Date: Mon, 21 Sep 2026 02:31:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:00.243631
- Title: Configurable Multi-Stage Vision Pipeline for Crop Disease and Pest Diagnosis
- Title（参考訳）: 作物病と害虫診断のための構成可能な多段階ビジョンパイプライン
- Abstract要約: ファーマーチャット(FarmerChat)は、デジタルグリーンの小規模農家のためのファーマーアドバイザリーサービスである。
このサービスでは、画像が使えるかどうか、どの作物に表示されるのか、何が間違っているのかを判断する必要がある。
我々はエチオピア、インド、ケニア、ナイジェリアのFarmerChatに送られた約16万枚の写真を調査した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: FarmerChat is Digital Green's farm advisory service for smallholder farmers. When something looks wrong with a crop, the farmer takes a photograph and sends it, and that photograph is the whole question: no symptom described, no crop named, often no text at all. The service has to determine whether the picture can be used, what crop it shows, and what is wrong with it, from images taken on cheap phones in a field, in poor light and with a moving camera. The system doing this today cannot be adjusted. It has no adjustable thresholds for photograph rejection, crops and problems cannot be added, and there is no confidence cut-off to set. We study about 1.16 million photographs sent to FarmerChat from Ethiopia, India, Kenya and Nigeria. The production quality gate rejected 46.8% of the images it judged, over a quarter of those reaching diagnosis returned no crop name, and 35.8% of the labelled problems filed under "disease" are pests, identifiable without the crop. We therefore split the work into three stages: a quality gate (M0), a crop detector (M1), and a disease or pest detector (M2). Route A fills all three with one fine-tuned vision-language model (Qwen3-VL-4B) answering in a single call. Route B fills each with a small specialist model (DaViT, YOLO26). We replace our production GPT-4o quality gate with a small MobileNetV3 gate at 86.9% F1 in 12 ms. On one test set scored the same way for every system, a hierarchical DaViT-Base achieves 95.41% crop accuracy against 91.46% for the production baseline. It also leads on diagnosis and never declines to answer, while every language model in the comparison leaves a large share of rows with no diagnosis. The fine-tuned model retains two capabilities the specialists do not have: one call for all three stages, and a request for a better photograph when the image cannot support an answer.
- Abstract（参考訳）: ファーマーチャット(FarmerChat)は、デジタルグリーンの小規模農家のためのファーマーアドバイザリーサービスである。
作物に何か問題があったら、農家は写真を撮って送信し、その写真は全問です。
このサービスは、フィールドで安価な携帯電話で撮った画像や、暗い光や動くカメラで撮った画像から、画像が使えるかどうか、どの作物を表示できるか、何が間違っているのかを判断する必要がある。
今日行われているシステムは調整できない。
写真拒絶の調整可能なしきい値がなく、作物や問題を追加することができず、設定する自信の欠如もない。
我々はエチオピア、インド、ケニア、ナイジェリアのFarmerChatに送られた約16万枚の写真を調査した。
生産品質ゲートは、判定した画像の46.8%を拒絶し、診断された画像の4分の1以上は農作物の名前を返さず、35.8%は害虫であり、農作物なしで識別できる。
そこで我々は, 品質ゲート (M0), 作物検出装置 (M1), 病害虫検出装置 (M2) の3段階に分けた。
ルートAは3つすべてに1つの微調整された視覚言語モデル(Qwen3-VL-4B)を1回の呼び出しで満たす。
ルートBは、それぞれ小さなスペシャリストモデル(DaViT, YOLO26)で満たされている。
私たちは、GPT-4oの品質ゲートを、12ミリ秒で86.9% F1の小さなMobileNetV3ゲートに置き換えました。
また、診断を導き、答えを下げることはないが、比較のどの言語モデルも、診断なしで行の大部分を残している。
微調整されたモデルには、スペシャリストが持たない2つの機能がある: 1つは3つのステージ全てを呼び出し、もう1つは、画像が答えをサポートできないときに、より良い写真を要求する。
関連論文リスト
- DementiaCare-Bench: A Modality-Validated Video Benchmark [83.92703885588868]
認知症は世界中で推定5700万人に影響を与える。
ほとんどの家族にとって、ケアの最も難しい部分は記憶喪失ではなく、認知症の行動や心理的症状である。
DementiaCare-Bench: 9つのBPSDカテゴリの94クリップに区切られた、プロのケア用トレーニングビデオ56本を提示する。
論文 参考訳（メタデータ） (2026-09-11T14:52:49Z) - Fusing Perceptual Vision Experts with Multimodal Large Language Models for Explainable Plant Disease Diagnosis: From Benchmark Imagery to Real-World Robotic Field Validation [3.7105561711383266]
We present the Hybrid Hierarchical Multi-Agent Framework (H$2$MAF) which with decision-level fusion of EfficientNet-B3 and ConvNeXt-Tiny with semantic arbitration。
PlantDocでは、Gemmaは精度を63.9%から68.5%に改善し、41.7%のCNN競合サブセットで+7.6ポイントを達成した。
これらの結果はMLLM仲裁を、説明可能な農業AIとロボットフィールド決定支援のための、有望で校正に依存したアプローチとして確立する。
論文 参考訳（メタデータ） (2026-08-23T17:20:20Z) - Explaining AI-Image Detection: What the Heatmap Actually Shows [65.01025489527173]
私たちは検出器を構築し、その証拠として属性マップを添付します。
私たちは、そのペアがコントロール下の186,527のイメージにもたらすものを測定します。
属性ランキングが存在するかどうかは、検出器が画像に反応するかどうかに依存する。
論文 参考訳（メタデータ） (2026-07-31T16:07:05Z) - High Accuracy, Less Talk (HALT): Reliable LLMs through Capability-Aligned Finetuning [84.52940628494879]
大規模言語モデル(LLM)は現在、すべてのプロンプトに応答する。
LLMは、知識や能力の欠如によって、誤った答えを生み出すことができる。
本稿では,その正確性に自信を持った場合にのみコンテンツを生成するためのLCMのポストトレーニングを提案する。
論文 参考訳（メタデータ） (2025-06-04T15:16:21Z) - Deep Learning-Based Approach for Identification of Potato Leaf Diseases Using Wrapper Feature Selection and Feature Concatenation [4.5964557330918225]
ジャガイモの葉に影響を及ぼす遅発病を検出するために,画像処理と機械学習に基づく自律的手法を提案する。
本手法は,SVMを用いて550個の特徴を選別することにより,99%の精度を実現する。
論文 参考訳（メタデータ） (2025-02-05T17:09:34Z) - Plant Leaf Disease Detection and Classification Using Deep Learning: A Review and A Proposed System on Bangladesh's Perspective [0.0]
植物病はバングラデシュの農業生産において深刻な障害となっている。
本稿では主に葉の病原体検出のためのより良いモデルを提案する。
提案したCNNモデルは効率よく動作し,検査対象の疾患の検出と分類に成功している。
論文 参考訳（メタデータ） (2025-01-06T17:43:59Z) - MIPI 2022 Challenge on Quad-Bayer Re-mosaic: Dataset and Report [90.34148262169595]
本稿では,新しい画像センサと撮像アルゴリズムに着目した5つのトラックを含む,最初のMIPI課題を紹介する。
参加者は、高品質なQuadとBayerのペアの70(トレーニング)と15(検証)シーンを含む、新しいデータセットを提供した。
最終結果は、PSNR、SSIM、LPIPS、KLDなどの客観的指標を用いて評価される。
論文 参考訳（メタデータ） (2022-09-15T05:46:52Z) - Automatic Detection of Rice Disease in Images of Various Leaf Sizes [0.5284812806199193]
そこで我々は,米田写真画像から米病を検出するコンピュータビジョン技術を用いて,その解決策に焦点をあてた。
そこで本研究では,CNNオブジェクト検出と画像タイリングを組み合わせた手法を提案する。
本手法は, 発芽, 発芽, 褐色斑点, 褐色斑点, オレンジ, 赤色ストライプ, 草草性スタントウイルス, ストリーク病など8種類のイネ葉病の4,960枚の画像から評価した。
論文 参考訳（メタデータ） (2022-06-15T07:56:41Z) - Paddy Doctor: A Visual Image Dataset for Paddy Disease Classification [0.0]
パディドクター(Paddy Doctor)は、水田病を識別するための画像データセットである。
本データセットは10クラス(9つの疾患と正常な葉)に13,876点の注釈付き水田葉画像を含む。
我々は、畳み込みニューラルネットワーク(CNN)とVGG16とMobileNetの2つの移行学習アプローチを用いて、パディドクターをベンチマークした。
論文 参考訳（メタデータ） (2022-05-23T07:57:40Z) - One-Shot Learning with Triplet Loss for Vegetation Classification Tasks [45.82374977939355]
三重項損失関数は、ワンショット学習タスクの精度を大幅に向上できる選択肢の1つである。
2015年からは、多くのプロジェクトがシームズネットワークとこの種の損失を顔認識とオブジェクト分類に利用している。
論文 参考訳（メタデータ） (2020-12-14T10:44:22Z) - Agriculture-Vision: A Large Aerial Image Database for Agricultural
Pattern Analysis [110.30849704592592]
本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。
各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。
農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
論文 参考訳（メタデータ） (2020-01-05T20:19:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。