論文の概要: BananaVLM: A Domain-Adapted Vision Language Model for Banana Crop Disease Diagnosis

• arxiv url: http://arxiv.org/abs/2609.25040v1
• Date: Thu, 27 Aug 2026 13:28:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.839957
• Title: BananaVLM: A Domain-Adapted Vision Language Model for Banana Crop Disease Diagnosis
• Title（参考訳）: BananaVLM: Banana Crop 病診断のためのドメイン適応視覚言語モデル
• Abstract要約: BananaVLMはLLaVA-v1.5-7Bをベースとしたバナナ病診断のためのドメイン適応型視覚言語モデルである。 BananaInstructは、生の病気画像を$approx$80,000の質問対に変換する自動パイプラインである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Banana crop diseases threaten food security across the world, yet field diagnosis remains difficult because of limited expert access and visual similarity among disease classes. We present BananaVLM, a domain-adapted vision-language model for banana disease diagnosis built on LLaVA-v1.5-7B and fine-tuned with Low-Rank Adaptation (LoRA). To address the lack of multimodal agricultural instruction data, we introduce BananaInstruct, an automated pipeline that converts raw disease images into $\approx$80,000 question--answer pairs without manual annotation, using LLaVA-1.5-13B for symptom descriptions and Mistral-7B for agricultural Q&A generation and label grounding. Evaluated against 14 open-source and 5 closed-source VLMs on a nine-class benchmark, BananaVLM achieves 92.21% in-domain and 83.28% out-of-domain (OOD) classification accuracy, outperforming the best closed-source baseline, Gemini~2.5~Pro, by 49.8 and 63.3 percentage points, respectively. Binary healthy/diseased identification reaches 98.38% OOD accuracy with 1.00 recall. A controlled LoRA--DoRA comparison shows that DoRA performance degrades across epochs, while LoRA remains more effective for fine-grained classification. Qualitative evaluation using nine LLM judges yields G-Eval win rates of 0.81--0.96, while five domain experts prefer BananaVLM in 98.48% of 990 blind pairwise comparisons. These results show that lightweight domain adaptation with automated instruction tuning is an effective and scalable approach for specialized agricultural AI. Code, datasets, and model weights are available at https://github.com/samy101/banana-vlm
• Abstract（参考訳）: バナナの作物病は世界中の食品の安全を脅かすが、専門的アクセスが限られ、病気のクラス間で視覚的類似性があるため、現場診断は難しいままである。 LLaVA-v1.5-7B上に構築され,LoRA(Lo-Rank Adaptation)で微調整されたバナナ病診断のためのドメイン適応型視覚言語モデルであるBanaVLMを提案する。 マルチモーダル農業指導データの欠如に対処するため,農業用Q&A生成とラベル接地のためにLLaVA-1.5-13B,農業用Q&A生成とラベル接地のためにMistral-7Bを用いて,生の病気画像を手動による注釈なしに$\approx$80,000の問合せペアに変換する自動パイプラインであるBanaInstructを紹介した。 9クラスのベンチマークで14のオープンソースVLMと5つのクローズドソースVLMに対して評価され、BanaVLMは92.21%のドメイン内および83.28%のドメイン外分類精度を達成し、それぞれ最高のクローズドソースベースラインであるGemini~2.5~Proを49.8ポイント、63.3ポイント上回った。 正常/非正常な識別は98.38%のOOD精度で1.00リコールに達する。 制御されたLoRA-DoRA比較では、DoRAの性能はエポック全体で低下し、LoRAはよりきめ細かい分類に有効であることが示されている。 9人のLCM判事による質的評価では、G-Evalの勝利率は0.81--0.96であり、5つのドメインの専門家は990の盲対比較の98.48%でバナナVLMを好む。 これらの結果から,自動指導チューニングによる軽量領域適応は,特定農業用AIの有効かつスケーラブルなアプローチであることが示唆された。 コード、データセット、モデルウェイトはhttps://github.com/samy101/banana-vlmで入手できる。

関連論文リスト

• AgroVisNet: A lightweight Convolutional Network and the BD-PlantDX Expert-Validated Benchmark for Radish, Potato and Pointed Gourd Disease Classification [0.3686530147760243]
  我々は,BD-PlantDXとともに,スクラッチから学習したコンパクトな畳み込みネットワークであるAgroVisNetを提案する。 BD-PlantDXでは、テスト精度は99.52%、重み付きF1は99.52%に達し、6つのImageNet推奨の軽量バックボーンを超える。 デプロイ用にエクスポートされたこのモデルは、0.46MBのフル整数ネットワークに0.22ポイントの精度で量子化し、1CPUで8.40msの画像を分類する。
  論文  参考訳（メタデータ） (2026-09-09T17:12:17Z)
• Neurosymbolic Alignment for Physiologically-Safe Clinical Language Models [34.30791848883716]
  本稿では,HGNNをベースとした生理的世界モデルと7B臨床LLMを併用したトレーニングタイムフレームワークであるNeurosymbolic Alignmentを提案する。 候補者の反応は、ホメオスタティックな制約、マルチホップパスの妥当性、薬物相互作用の罰則を用いて評価される。 臨床安全ベンチマーク(CSB: Clinical Safety Benchmark)は、遺伝子的臨床推論における生理的制約違反に対する2500-scenarioベンチマークである。
  論文  参考訳（メタデータ） (2026-08-25T13:20:03Z)
• 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)
• Rigorous Evaluation of Large Language Models for Malaria Drug Discovery: Trade-offs in Performance, Scale, and Resource Utility [0.0]
  微調整のオープンソース LLM は、全てのベースラインを大きく上回った。 微調整されたオープンソース LLM は、アンチマラリアVS にとって魅力的な、リソース効率のパラダイムである。
  論文  参考訳（メタデータ） (2026-08-18T20:12:22Z)
• Searching for Robust Augmentations to Improve Out-of-Domain Generalization in Dermoscopic Skin Cancer Classification [35.18016233072556]
  悪性二分数非悪性一般化のロバスト性を改善するためのデータ拡張法について検討した。 データ拡張は、マルチソースISICアーカイブコレクションで検索された。
  論文  参考訳（メタデータ） (2026-07-29T11:06:06Z)
• AG-TAL: Anatomically-Guided Topology-Aware Loss for Multiclass Segmentation of the Circle of Willis Using Large-Scale Multi-Center Datasets [22.37266312754642]
  解剖学的にガイドされたTopology-Aware Loss (AG-TAL) を提案する。 AG-TALは、小船のクラス不均衡に対処するために半径対応のDice損失、破壊対応のclDice損失、隣接対応の共起損失を統合する。 AG-TALは5倍のクロスバリデーションを用いて評価し,すべてのCoW動脈に対して平均80.85%のDiceスコアを達成した。
  論文  参考訳（メタデータ） (2026-04-30T03:14:49Z)
• Boosting LLMs for Mutation Generation [35.905252475438466]
  SMART(Semantic Mutation with Adaptive Retrieval and Tuning)を紹介する。 Defects4J と ConDefects のデータセットから1,991 個の実世界の Java バグを使用した SMART の実証的研究を行った。 その結果、SMARTは変異の妥当性、有効性、効率を大幅に改善することが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-25T17:42:17Z)
• PanCanBench: A Comprehensive Benchmark for Evaluating Large Language Models in Pancreatic Oncology [48.732366302949515]
  大規模言語モデル(LLM)は、標準化された検査において専門家レベルの性能を達成したが、複数の選択精度は現実の臨床的有用性や安全性を十分に反映していない。 我々は、未確認患者の質問に対して、専門家のルーブリックを作成するための、ループ内人間パイプラインを開発した。 LLM-as-a-judge フレームワークを用いて,22のプロプライエタリおよびオープンソース LLM の評価を行い,臨床完全性,事実精度,Web-search 統合について検討した。
  論文  参考訳（メタデータ） (2026-03-02T00:50:39Z)
• A Low-Cost UAV Deep Learning Pipeline for Integrated Apple Disease Diagnosis,Freshness Assessment, and Fruit Detection [0.0]
  リンゴ果樹園は、タイムリーな病気の検出、果実の品質評価、収量推定を必要とする。 既存のUAVベースのシステムは、そのようなタスクを単独で処理し、しばしば高価なマルチスペクトルセンサーに依存している。 本稿では,葉病検出のためのResNet50と,リンゴの鮮度判定のためのVGG 16と,リアルタイムのリンゴ検出と局在のためのYOLOv8を統合した,低コストでRGBのみのUAVベースの果樹園用パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-12-28T16:19:35Z)
• Agro-Consensus: Semantic Self-Consistency in Vision-Language Models for Crop Disease Management in Developing Countries [2.2727733134290813]
  発展途上国の農業病管理は、専門家の植物病理学者に限られているため、重大な課題に直面している。 本研究は,農業用画像キャプションにおける視覚言語モデル(VLM)の信頼性向上を目的とした,費用対効果の高い自己整合性フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-11T19:41:07Z)
• Multimodal Inductive Transfer Learning for Detection of Alzheimer's Dementia and its Severity [39.57255380551913]
  本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。 時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。 本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
  論文  参考訳（メタデータ） (2020-08-30T21:47:26Z)

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。