チームの最近の成果：農業応用における統合評価のためのマルチタスク学習フレームワーク
私たちのチームは『Information Sciences』（インパクトファクター：6.8、中国科学院QSCIランクII）に論文「A multi-task learning framework for integrated assessment in agricultural applications」を発表しました。本論文は上海大学コンピュータ工学・科学学院を筆頭機関とし。
果物と野菜の自動評価は、スマート農業、品質管理、サプライチェーン管理における重要なタスクである。従来の手作業による計量や目視検査には、時間がかかる、労働コストが高い、主観性が強いといった問題がある。また、既存の自動化手法の多くは単一タスクを対象としており、同一のフレームワーク内で多属性の統合評価を行うことは困難である。さらに、果物と野菜の多属性アノテーションを備えたデータセットも限られている。この問題を解決するため、本論文では農業応用に向けたマルチタスク深層学習フレームワークを提案し、単一のRGB画像から重量予測、主要表現型特徴分析、品質等級分類を同時に実行できるようにした。
具体的には、本論文では果物と野菜の統合評価データセットFruVegSet（FVS）を構築した。このデータセットはキュウリとバナナの2種類の農産物を含み、画像、重量、主要表現型特徴、品質等級などの多属性アノテーションを提供する。モデル設計では、ResNet18に基づく事前分類モジュールを用いて農産物のカテゴリを識別し、入力画像を対応するカテゴリ専用サブネットワークへルーティングする。その後、重量分岐と主要表現型分岐を通じてそれぞれタスク関連特徴を抽出し、特徴ピラミッドネットワークを導入して形態特徴表現を強化する。さらに、大カーネル注意融合モジュールとクロスアテンション機構を組み合わせることで、タスク間の情報相互作用を実現する。最終的に、重量予測、主要表現型特徴分析、品質等級分類を同時に行い、統合評価を完了する。実験結果により、提案フレームワークはキュウリとバナナのデータにおいて良好な統合評価性能を達成し、単一タスクモデルおよび代表的な農業品質分類モデルを上回ることが示された。
論文リンク：A multi-task learning framework for integrated assessment in agricultural applications
