文献

J-GLOBAL ID：202102249046696167   整理番号：21A0332310

説明可能な深層学習はカキ果実の内部障害の診断に「専門的眼」を再現する

Explainable Deep Learning Reproduces a ‘Professional Eye’ on the Diagnosis of Internal Disorders in Persimmon Fruit

著者 (10件)： AKAGI Takashi (Okayama Univ., Okayama, JPN) ,  ONISHI Masanori (Kyoto Univ., Kyoto, JPN) ,  MASUDA Kanae (Okayama Univ., Okayama, JPN) ,  KUROKI Ryohei (Kyusyu Univ., Fukuoka, JPN) ,  BABA Kohei (Kyusyu Univ., Fukuoka, JPN) ,  TAKESHITA Kouki (Kyusyu Univ., Fukuoka, JPN) ,  SUZUKI Tetsuya (Gifu Prefectural Agricultural Technol. Center, Gifu, JPN) ,  NIIKAWA Takeshi (Gifu Prefectural Agricultural Technol. Center, Gifu, JPN) ,  UCHIDA Seiichi (Kyusyu Univ., Fukuoka, JPN) ,  ISE Takeshi (Kyoto Univ., Kyoto, JPN)
資料名： Plant and Cell Physiology (Web)  (Plant and Cell Physiology (Web))
巻： 61  号： 11  ページ： 1967-1973 (WEB ONLY)  発行年： 2020年11月 
JST資料番号： U1159A  ISSN： 1471-9053  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 深層ニューラルネットワーク技術における最近の急速な進歩は,様々な物体の認識と分類を可能にし,しばしば人間の眼の性能に勝る。植物生物学および作物科学において,いくつかの深層ニューラルネットワークフレームワークが,主に効果的で迅速な表現型分類のために適用されてきた。本研究では,表現型分類の簡単な最適化を超えて,専門家にとっても難しい画像ベースの内部障害診断を行い,生物学的解釈を提供する各診断の背後にある理由を可視化する深層ニューラルネットワークの適用を提案した。本稿では,種々の層構造を有する5つの畳込みニューラルネットワークモデルを用いて,カキ果実における萼末端亀裂の分類を例証し,診断品質に関与する潜在的分析オプションを調べた。果実頂点側からの3173の可視RGB画像によって,ニューラルネットワークは,90%までの精度で,障害の各々の程度の二成分分類を首尾よく作った。さらに,Grad-CAMおよびLRPのような特徴可視化は,診断に寄与する画像の領域を可視化する。それらは,果実周辺領域のような色不均一性の特定のパターンが,萼末端亀裂の指数であるかもしれないことを示唆する。これらの結果は,果実内部障害の指数に新しい洞察を提供するだけでなく,植物生物学における深層ニューラルネットワークの潜在的適用性も提案した。(翻訳著者抄録)

シソーラス用語： *機械学習 ,  ニューラルネットワーク ,  *カキ ,  *果実【器官】 ,  人工知能 ,  逆伝搬法 ,  画像診断 ,  障害 ,  植物病害 ,  品質 ,  可視化 ,  色空間 ,  色信号
準シソーラス用語： *深層学習 ,  深層ニューラルネットワーク ,  逆伝播法 ,  畳込みニューラルネットワーク ,  内部障害 ,  生理障害 ,  果実品質 ,  RGB

分類 (2件)： 植物生理学一般  (EH02010Y) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 説明 ,  深層学習 ,  カキ ,  果実 ,  内部障害 ,  診断 ,  眼