近年, 深層学習を用いた農作物に対する診断支援システムが提案され, 高い精度が報告されている. しかし, 学習画像と評価画像の環境が大きく違う, いわゆるドメインシフトがある場合にはモデルの識別精度が大幅に低下する問題が起こる. ドメインシフトが極めて大きい場合, 未知環境の情報を全く使用しない状況では, それらへの精度の高い診断は極めて困難である. そのため本研究では問題の条件を一部緩和し, 「評価画像と同じ環境の画像が少量手に入るが, それらの病害ラベル情報は手に入らない」という現実的なシナリオを想定し, 評価画像に対する識別精度を上げる方策について検討した.