本論文では、植物病害の検出精度を向上させるために、多様性を最適化したディープアンサンブルアプローチを提案しています。植物病害は世界の農業に大きな脅威をもたらし、毎年2200億ドル以上の経済損失を引き起こしています。著者たちは、従来のアンサンブル多様性指標（Q指標）の限界を分析し、新たに提案するSynergistic Diversity（SQ）指標を通じて、多様性を測定しながらアンサンブルの選択を改善する方法を検討しました。SQ指標は、アンサンブルメンバー間の相乗効果を捉え、検出精度に一貫して整合します。実験を通じて、SQアプローチが植物葉の画像データセットでのアンサンブル選択を大幅に改善し、検出精度を向上させることが示されました。この研究は、効率的で信頼性の高い植物病害検出のための新たな道を開きます。