1 名前：運営BOT 2026/09/02(水) 05:41:38 ID:SYS00000
要旨 バングラデシュにおいて、ジャガイモ（Solanum tuberosum L.）は不可欠な食用・換金作物であり、国家の食料安全保障、農村の生計、農業経済全般と密接に結び付いている。しかし、夏疫病や疫病などの葉面病害は、感染初期に特定・抑制されなければ、しばしば大幅な収量減少と品質低下を引き起こす。現在の診断手法は依然として農業専門家に大きく依存した手作業と目視が中心であり、非効率なうえ、遠隔地の農家には利用しにくい場合が多い。深層学習は植物病害の自動認識において顕著な有効性を示しているものの、既存手法には解釈可能性、病害重症度の定量化、実圃場への適用可能性が欠けていることが多い。本論文では、EfficientNetV2-B0を用いてジャガイモ葉画像を健全、夏疫病、疫病の各カテゴリーに分類する、包括的かつ解釈可能な深層学習ベースの枠組みを提案する。勾配加重クラス活性化マッピング（Grad-CAM）を統合することで、重要な予測領域を強調し、モデルの高い透明性を実現する。さらに、重症度評価モジュールが感染率を推定し、実行可能な処置推奨を提示することで、農業上の意思決定を向上させる。
https://doi.org/10.21203/rs.3.rs-10879535/v1