IFMA-Net: フィールド画像からの綿の病害虫を正確に識別するためのインタラクティブ特徴変調アテンションネットワーク
IFMA-Net: Interactive Feature Modulated Attention Network for Accurate Identification of Cotton Pests and Diseases from Field Images
綿花の病害虫識別は、フィールド画像における微妙な症状、複雑な背景、クラス内変動の高さ、症状スケールのばらつきなどにより困難が伴う。本研究では、ResNet-50をベースとし、ローカル特徴強化、マルチスケールコンテキストモデリング、インタラクティブ特徴融合を統合したIFMA-Netを提案する。Dynamic Local Enhancement (DLE)モジュールは識別性の高い浅い特徴を強化し、Global Multi-Scale Attention and Local Aggregation (G-MSLA)モジュールはマルチスケールローカル集約とグローバル依存モデリングを組み合わせる。Interactive Cross-Attention Fusion (ICAF)モジュールは、ローカル表現とグローバル表現の間で情報を交換するために、2つの対向するクロスアテンションブランチを採用する。独自に構築した8クラスのフィールドデータセットにおいて、IFMA-NetはResNet-50をそれぞれ5.52%および7.32%上回る95.53 ± 0.17%の精度と94.81 ± 0.14%のマクロF1を達成した。アブレーション実験により3つのモジュールの個別の貢献が確認された。独立した公開テストセットでは、IFMA-Netは90.21%のマクロF1を達成した。摂動実験では、ランダムなオクルージョン下ではResNet-50よりも高い保持率を示したが、重度のガウシアンノイズ下では大幅な低下が見られた。これらの結果は、IFMA-Netが実用的な農業センシングシナリオにおける病害虫識別に有効であることを示している。
- ResNet-50をベースに、Dynamic Local Enhancement (DLE)、Global Multi-Scale Attention and Local Aggregation (G-MSLA)、Interactive Cross-Attention Fusion (ICAF)の3モジュールを統合した綿花病害虫識別モデルIFMA-Netを提案
- 独自構築した8クラスのフィールドデータセットで精度95.53 ± 0.17%、マクロF1 94.81 ± 0.14%を達成し、ResNet-50をそれぞれ5.52%および7.32%上回った
- 独立した公開テストセットではマクロF1が90.21%にとどまり、データセット間での性能低下(汎化ギャップ)が確認された
- 摂動実験ではランダムオクルージョン下でResNet-50より高い保持率を示した一方、重度のガウシアンノイズ下では大幅な性能低下が見られた
農業分野のAI適用は、精密農業(アグリテック)向けの画像認識モデルの実用性を高める取り組み。本記事はResNet-50をベースにDLE・G-MSLA・ICAFの3モジュールを統合したIFMA-Netを提案し、自前の8クラス綿花フィールドデータセットで95.53%の精度、マクロF1 94.81%を達成、ResNet-50を5.52〜7.32ポイント上回ったと報告している。一方、公開テストセットではマクロF1 90.21%まで低下し、重度ガウシアンノイズ下では大幅な性能低下も見られるなど、汎化性とロバスト性に課題が残る点は投資判断上の留意点。農業センシング向けエッジAIや作物保護ソリューションへの応用余地はあるが、単一作物・単一データセットでの成果であり、商用化・収益化に直結する事象ではないため、現時点では技術トレンドの参考情報として扱うのが妥当。