Kasvitaudin automaattinen tunnistaminen konenäköä ja koneoppimismenetelmiä hyödyntäen: Prosessi ja tekniikat

Abstract

Kasvitaudin tunnistaminen pellolta tapahtuu perinteisesti biologisin menetelmin. Biologian asiantuntija (botanisti tai patologi) käyttää manuaalisia tekniikoita eristääkseen taudinaiheuttajaa sairaasta kasvista. Tämän jälkeen taudinaiheuttajaa viljellään ja tutkitaan viljelmästä esimerkiksi mikroskoopilla tai geneettisillä menetelmillä. Vaikka kasvitaudin tunnistaminen asiantuntijan suorittamilla manuaalisilla biologisilla menetelmillä johtaa tarkkoihin tuloksiin, on tämä prosessi hidas, kallis ja soveltumaton peltomittaiseen käyttöön.

Konenäkö ja koneoppimismenetelmät tarjoavat kustannustehokkaan ratkaisun kasvitautien tunnistamiseen peltomittakaavassa ilman biologian asiantuntijan työtä. Tutkielmassani kuvailen kasvitaudin automaattisen tunnistamisen ja luokittelun prosessin vaiheita tiivistävästi ja suurpiirteisesti. Aion myös esitellä teknologioita ja menetelmiä, joita kirjallisuudessa on käytetty prosessin suorittamiseen. Esittelen lopuksi havainnollistavan esimerkkitutkimuksen, jossa konenäkötekniikoita käytettiin riisikasvin Bakanae-taudin tunnistamiseen. Samassa tutkimuksessa hyödynnettiin koneoppimismenetelmiä riisikasvin taimien luokitteluun terveisiin ja sairaisiin. Luokittelumalli saavutti 87,9 %:n luokittelutarkkuuden.