論文の概要: A100: A Hybrid Vision Foundation Model for Agricultural Plant Image Analysis

• arxiv url: http://arxiv.org/abs/2610.22991v1
• Date: Fri, 16 Oct 2026 06:15:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.792403
• Title: A100: A Hybrid Vision Foundation Model for Agricultural Plant Image Analysis
• Title（参考訳）: A100: 植物画像解析のためのハイブリッドビジョン基盤モデル
• Abstract要約: A100は、300万枚の未表示画像の自己教師型学習を用いて事前訓練された農業視覚基盤モデルである。 A100はCNN-Transformerのハイブリッドバックボーンを使用しており、グローバルなコンテキスト表現のためのTransformerステージとローカル特徴抽出のためのMBConvステージを融合している。 冷凍バックボーンを利用することで、A100の作物分類の精度は95.37%であり、ImageNet-12Kより2.56%高い。
• 参考スコア（独自算出の注目度）: 1.802414553680169
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The use of accurate vision models for crop monitoring, disease diagnosis, and plant phenotyping in agriculture is hindered by the lack of expertly annotated data, especially in developing countries. We propose A100, an agricultural vision foundation model that is pre-trained using self-supervised learning on 3 million unlabeled images from fields covering more than 100 crop species. A100 uses a hybrid CNN-Transformer backbone that fuses MBConv stages for local feature extraction with Transformer stages for global contextual representation. A100 uses pre-training with the integration of DINO self-distillation, iBOT masked patch reconstruction, and KoLeo uniformity regularization, resulting in features that are better than ImageNet-12K supervised representations for agricultural applications without any fine-tuning. By utilizing a frozen backbone, the accuracy for crop classification of A100 is 95.37%, which is +2.56% better than ImageNet-12K, and reduces the leaf count error by 10.4% on the GroMo25 phenotyping benchmark, proving that the same backbone can be used for classification and regression tasks. After full fine-tuning, the performance of A100 is 99.90% on 32-class crop identification and 99.02% on 44-class disease detection. On the difficult PlantDoc dataset, A100 outperforms all baselines, such as CvT-13 (64.89% against 63.56%). Remarkably, A100 obtains 98.01% accuracy on plant classification using just 1% of the labelled data (about 284 images per category), showing great label efficiency for use cases with limited labeling. Under an identical protocol, A100 also outperforms the publicly released agricultural foundation models FoMo4Wheat and LeafVision by more than 14 points at 1% labels. We plan to publicly release our pretrained model to allow agricultural professionals to adapt A100 for various plant analysis applications using limited annotations.
• Abstract（参考訳）: 農業における作物モニタリング、病気診断、植物表現の正確な視覚モデルの使用は、特に発展途上国において、専門的な注釈付きデータの欠如によって妨げられている。 A100は,100種以上を対象とする畑のラベルなし画像300万枚に対して,自己教師型学習を用いて事前学習した農業視覚基盤モデルである。 A100はCNN-Transformerのハイブリッドバックボーンを使用しており、グローバルなコンテキスト表現のためのTransformerステージとローカル特徴抽出のためのMBConvステージを融合している。 A100は、DINO自己蒸留、iBOTマスクによるパッチ再構築、KoLeoの統一正則化を統合した事前トレーニングを使用しており、微調整なしで農業用アプリケーションのImageNet-12Kの教師付き表現よりも優れた機能を実現している。 凍結したバックボーンを利用することで、A100の作物分類の精度は95.37%であり、ImageNet-12Kより2.56%高い。 完全な微調整の後、A100は32クラスの作物の識別で99.90%、44クラスの病気検出で99.02%の成績を示した。 難しい PlantDoc データセットでは、A100 は CvT-13 (64.89% 対 63.56%) など、すべてのベースラインを上回っている。 注目すべきは、A100はラベル付きデータのわずか1%(カテゴリ毎に約284画像)を使用して、植物分類の98.01%の精度を取得し、ラベル付けが制限されたユースケースのラベル効率を示すことである。 同じプロトコルの下では、A100は、公開されたFoMo4WheatとLeafVisionを、1%以上のラベルで14ポイント以上上回っている。 我々は,農業専門家が限定アノテーションを用いた各種植物分析アプリケーションにA100を適用できるように,事前訓練したモデルを公開する計画である。

関連論文リスト

• Cross-Architectural Mixture-of-Experts with Adaptive Soft Routing for Plant Leaf Disease Classification [0.06875312133832077]
  本研究では,アーキテクチャ間ルーティングを用いた適応型ソフト・ミックス・オブ・エクササイズ(MoE)フレームワークを提案する。 MoEフレームワークはEfficientNet-B0、DenseNet-121、Swin-Tinyを統合し、補完的なマルチスケール、ローカル、グローバル機能を活用する。
  論文  参考訳（メタデータ） (2026-06-22T14:58:42Z)
• AgriPath: A Systematic Exploration of Architectural Trade-offs for Crop Disease Classification [45.52399819498234]
  本研究は、細粒度作物病分類のための3つのモデルパラダイムの体系的比較を示す。 我々は16の作物と41の病気にまたがる111kの画像を含むベンチマークであるAgriPath-LF16を紹介する。 CNNは画像の精度が最も高いが、ドメインシフトによって劣化する。 対照的なVLMは、競合するクロスドメイン性能を持つ堅牢でパラメータ効率の良い代替手段を提供する。
  論文  参考訳（メタデータ） (2026-03-08T17:28:01Z)
• Vision Foundation Models in Agriculture: Toward Domain-Specific Adaptation for Weed Herbicide Trials Assessment [1.8430060563461854]
  除草剤試験は、植物種の正確な同定と除草剤による損傷の評価を必要とする。 本研究では,除草剤の試薬評価に汎用的視覚基盤モデルを適用した。 大規模でキュレートされた農業データセットに対して、自己教師付き学習アプローチを用いてトレーニングされたモデルは、除草剤試薬画像に最適化されたリッチで移動可能な表現を学習する。
  論文  参考訳（メタデータ） (2025-11-06T11:30:32Z)
• BioAutoML-NAS: An End-to-End AutoML Framework for Multimodal Insect Classification via Neural Architecture Search on Large-Scale Biodiversity Data [2.629942857823441]
  画像やメタデータを含むマルチモーダルデータを用いた最初のBioAutoMLモデルであるBioAutoML-NASを提案する。 マルチモーダル融合モジュールは、画像埋め込みとメタデータを組み合わせることで、視覚的および分類的生物学的情報の両方を使って昆虫を分類することができる。 BIOSCAN-5Mデータセットの大規模な評価は、BioAutoML-NASが96.81%の精度、97.46%の精度、96.81%のリコール、97.05%のF1スコアを達成したことを示している。
  論文  参考訳（メタデータ） (2025-10-07T13:00:12Z)
• AgroSense: An Integrated Deep Learning System for Crop Recommendation via Soil Image Analysis and Nutrient Profiling [0.9974630621313314]
  AgroSenseは、土壌画像の分類と栄養素のプロファイリングを統合して、正確で文脈的に関係のある作物のレコメンデーションを生成するディープラーニングフレームワークである。 公開されているKaggleリポジトリから抽出された10,000対のサンプルのマルチモーダルデータセットがキュレートされた。 融合モデルは精度98.0%、精度97.8%、リコール97.7%、F1スコア96.75%である。
  論文  参考訳（メタデータ） (2025-09-01T10:25:05Z)
• Enhancing Leaf Disease Classification Using GAT-GCN Hybrid Model [0.23301643766310373]
  本研究では,葉病分類のためのグラフ注意ネットワーク(GAT)とグラフ畳み込みネットワーク(GCN)を組み合わせたハイブリッドモデルを提案する。 GCNはグラフ構造化データから学習するために広く使われており、GATは最も重要な隣人に焦点を当てるために注意機構を組み込むことによってこれを強化している。 エッジ拡張技術は、モデルの検知能力にかなりの一般化をもたらした。
  論文  参考訳（メタデータ） (2025-04-07T06:31:38Z)
• LA4SR: illuminating the dark proteome with generative AI [39.58317527488534]
  我々は、微生物配列分類のためのオープンソースのAI言語モデル(LM)を再設計した。 F1のスコアは95点に達し、16,580倍速く動作した。 我々は、AI生成プロセスにアミノ酸パターンをもたらすカスタムAI説明可能性ソフトウェアツールを提供する。
  論文  参考訳（メタデータ） (2024-11-11T08:51:18Z)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• Patch-Level Contrasting without Patch Correspondence for Accurate and Dense Contrastive Representation Learning [79.43940012723539]
  ADCLRは、正確で高密度な視覚表現を学習するための自己教師型学習フレームワークである。 提案手法は, コントラッシブな手法のための新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-06-23T07:38:09Z)

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。