fbpx
  • iCassava: нейросеть распознает болезни растений по изображению

    Недавно завершилось соревнование iCassava. Задача заключалась в разработке системы для выявления заболеваний у растения маниок на основе изображения его листьев. Маниок — это второй по популярности источник карбогидратов в Африке. Исследователи провели соревнование, чтобы помочь местным фермерам выращивать и ухаживать за этим растением. Соревнование проводилось исследователями из Google, the Artificial Intelligence Lab at Makerere University и the National Crops Resources Research Institute в Уганде.

    AI-системы в смартфонах

    Идея iCassava заключалась в том, чтобы внедрить предобученную нейросеть в смартфоны фермеров в виде приложения. Это минимизировало бы количество усилий со стороны фермеров на обнаружение потенциально опасных заболеваний растений. 

    Описание задачи

    Датасет состоял из размеченных изображений растения. Всего классов было 5: часть изображений содержали здоровое растение, остальные 4 класса — изображения больных растений. Среди заболеваний — brown steak disease (CBSD), mosaic disease (CMD), bacterial blight (CBB) и green mite (CGM)

    Данные были собраны с помощью краудсорсинга с камер разных мобильных телефонов, с разных углов, с разным освещением и подобное. Это предъявляет требования к устойчивости нейросети к техническим различиям изображений.

    В датасете изображения делятся на 5 классов: здоровые растения (а) и растения, которые больны 4 типами заболеваний (b-e)

    Результаты и следующие шаги

    Точность топ-3 решений соревнования колебалась вокруг 93%. Выигрышное решение использовало дополнительный корпус неразмеченных изображений для обучения модели. Все 3 решения основывались на ResNet.

    Исследователи планируют расширить датасет изображений в будущем. Кроме этого, планируется включить в соревнование задачу предсказания этапа заболевания.