葉の病気検出と類似症状探索のための学習レス型データセットモデル

抄録

近年，製造業においては不良品のもととなる欠陥の検出に深層学習モデルを応用した例が数多く見受けられ，新たな手法も提案され続けている。最近では，発生した不良品の欠陥について，これまで蓄積されてきた過去の不良品の画像データの中に類似した欠陥がなかったのかを迅速にチェックできるシステムについてのニーズも見受けられる。これは，メーカーにおいて長年にわたり生産されている製品の場合など，熟練した観察技術を持つ品質検査の担当者の退職などの理由により，経験の浅い担当者に変更となることを余儀なくされるケースがあり，このような場合には今回発生した欠陥がこれまでにない新たな種類のものであるのかを判断することが容易ではないためである。 農業分野においても葉などに現れる視覚的な異常から早期に病気を発見し，対処したいといったニーズがある。本研究では，このようなニーズに対応するためにカルバック・ライブラー情報量(Kullback-Leibler Divergence：KLD)，コサイン距離，及びL2ノルムに基づく学習レス型データセットモデルによる欠陥検出法を提案し，テスト画像の分類実験により有効性を検証する。