植物病害識別
高性能マイクロコントローラによる画像分類、STM32 Model zooからのMobileNet 0.25モデル
植物病害識別は農業にとってきわめて重要であり、病害の拡散防止に役立ち、ひいては作物収量や食糧安全保障に大きな影響を与える可能性があります。 特定の病害を識別すれば、対象作物のみへの適切な殺虫剤の散布や隔離対策の実施など、病害の抑制または根絶に向けた適切な対策を講じることができます。
アプローチ
STM32 Model zooは、ユーザ独自のデータに基づく学習や再学習に必要なものをすべて提供します。
このソリューションでは、公開データセットで学習済みで、STM32上で動作し、非常に高い精度が得られるモデルを提案します。
このモデルは、STM32H747ディスカバリ･キットとSTM32 Model zoo Pythonスクリプトを使用して容易に実装可能です。
ここで紹介するユース･ケースでは、植物葉データセットに基づいて病害を識別します。
このソリューションでは、公開データセットで学習済みで、STM32上で動作し、非常に高い精度が得られるモデルを提案します。
このモデルは、STM32H747ディスカバリ･キットとSTM32 Model zoo Pythonスクリプトを使用して容易に実装可能です。
ここで紹介するユース･ケースでは、植物葉データセットに基づいて病害を識別します。
センサ
画像：カメラ･モジュール･バンドル（リファレンス･ボード：B-CAMS-OMV）
データ
データ集合 Plant Village dataset of plant leaf (License CC0 1.0 Public Domain)
データ形式
39種類の植物の葉と背景画像
RGBカラー画像
データ形式
39種類の植物の葉と背景画像
RGBカラー画像
結果
モデル高速ダウンサンプリングMobileNet 0.25
入力サイズ：224 x 224 x 3
メモリフットプリント：
ウエイト用137 KBフラッシュ
アクティベーション用152 KBRAM
精度
フロートモデル：99.82%
量子化モデル：99.62%
STM32H747 (Highperf) @ 400 MHz でのパフォーマンス
推論時間：63.2 ms
フレームレート：16 fps
混同行列
入力サイズ：224 x 224 x 3
メモリフットプリント：
ウエイト用137 KBフラッシュ
アクティベーション用152 KBRAM
精度
フロートモデル：99.82%
量子化モデル：99.62%
STM32H747 (Highperf) @ 400 MHz でのパフォーマンス
推論時間：63.2 ms
フレームレート：16 fps
リソース
モデル･リポジトリ ST Edge AI Model Zoo
リファレンスAIモデル群は、付属の実装スクリプトを使用してSTの機器上で動作するよう最適化されています。Model zooはAIの機能を組込みアプリケーションへ追加するための価値あるリソースです。
コード最適化ツール STM32Cube.AI
無償のSTM32Cube拡張パッケージX-CUBE-AIにより、ニューラル･ネットワークや機械学習モデルといった学習済みAIアルゴリズムを、STM32に最適化されたCコードへ自動変換できます。
対応製品 STM32H7シリーズ
Arm® Cortex®-Mベース32bitマイコンのSTM32ファミリは、マイコン･ユーザに高いレベルの自由を提供します。完全統合性および開発の容易さを維持しながら、高性能、リアルタイム性能、豊富な機能、デジタル信号処理、低消費電力 / 低電圧駆動、およびコネクティビティを兼ね備えた製品を提供します。
