CREA: CNN определяют сорт лозы по листу

Сорт винограда определяют для многих задач виноградарства. Сегодня это делают методами ампелографии и с помощью молекулярных маркеров — для них нужны специальная экспертиза и оборудование. Исследователи Совета по сельскохозяйственным исследованиям и экономике Италии (CREA) рассматривали глубокое обучение как доступную по затратам альтернативу. Цель работы — инструмент, который определяет сорт по одному или нескольким снимкам листа, сделанным пользователем в винограднике. Авторы проверяли, воспроизводятся ли высокие результаты из опубликованных работ, где моделей учили на нескольких отобранных сортах и почти не проверяли на внешних данных.

В эксперименте сравнили пять распространённых свёрточных нейросетей: ResNet 50, MobileNet V2, Inception Net V3, Inception ResNet V2 и EfficientNet в вариантах B0, B3 и B5. Модели обучали методом стохастического градиентного спуска до 20 эпох с аугментацией изображений — поворотами, отражениями и изменением яркости. Качество оценивали по точности Accuracy, а также Accuracy@3 и Accuracy@5, по Precision, Recall, F1 и матрицам ошибок. Для внешней проверки взяли открытый набор Grapevine Leaves с Kaggle: более 1000 снимков, сделанных iPhone 7 в винограднике в Гайзенхайме (Германия) в августе 2020 года; с набором CREA он совпадает по восьми сортам.

Набор данных собирали два года: летом 2020 и 2021 годов в виноградниках северной, центральной и южной Италии сняли 26 382 изображения листьев 27 сортов — в поле и в лаборатории, телефонами и камерами. При десятикратной стратифицированной кросс-валидации любая из моделей превысила точность 0,9, лучшей оказалась Inception Net V3. На внешнем наборе ни одна модель не дала удовлетворительной точности по единственному наиболее вероятному сорту; по трём вероятным сортам точность достигала 0,75, по пяти — 0,83, устойчивее других оказалась EfficientNet B5. Работа опубликована в The Journal of Agricultural Science в феврале 2024 года; её финансировало Министерство сельского хозяйства Италии в рамках проекта AgriDigit (подпроект SUVISA).