論文の概要: Hyper-spectral NIR and MIR data and optimal wavebands for detection of
apple tree diseases
- arxiv url: http://arxiv.org/abs/2004.02325v3
- Date: Fri, 24 Apr 2020 07:42:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 13:12:14.793314
- Title: Hyper-spectral NIR and MIR data and optimal wavebands for detection of
apple tree diseases
- Title(参考訳): アップルツリー病検出のための高スペクトルNIRおよびMIRデータと最適波形
- Authors: Dmitrii Shadrin (1), Mariia Pukalchik (1), Anastasia Uryasheva (2 and
3), Evgeny Tsykunov (2), Grigoriy Yashin (2), Nikita Rodichenko (3), Dzmitry
Tsetserukou (2) ((1) Center for Computational and Data-Intensive Science and
Engineering, Skolkovo Institute of Science and Technology, (2) Space Center,
Skolkovo Institute of Science and Technology, (3) Tsuru Robotics (tsapk
llc.))
- Abstract要約: 植物病は食料の収量と品質を劇的に低下させる可能性がある。
Apple scab、Moniliasis、Powdery mildewは、世界中でもっとも重要なリンゴの病気です。
本研究では, アップルツリー病の近赤外・中赤外領域のスペクトルデータを解析するための最新の手法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Plant diseases can lead to dramatic losses in yield and quality of food,
becoming a problem of high priority for farmers. Apple scab, moniliasis, and
powdery mildew are the most significant apple tree diseases worldwide and may
cause between 50% and 60% in yield losses annually; they are controlled by
fungicide use with huge financial and time expenses. This research proposes a
modern approach for analyzing the spectral data in Near-Infrared and
Mid-Infrared ranges of the apple tree diseases at different stages. Using the
obtained spectra, we found optimal spectral bands for detecting particular
disease and discriminating it from other diseases and healthy trees. The
proposed instrument will provide farmers with accurate, real-time information
on different stages of apple tree diseases, enabling more effective timing, and
selecting the fungicide application, resulting in better control and increasing
yield. The obtained dataset, as well as scripts in Matlab for processing data
and finding optimal spectral bands, are available via the link:
https://yadi.sk/d/ZqfGaNlYVR3TUA
- Abstract(参考訳): 植物病は食料の収量と品質を劇的に低下させ、農家にとって高い優先順位の課題となる。
apple scab、moniliasis、および powdery mildew は世界で最も重大なリンゴの木病であり、毎年50%から60%の収量損失を引き起こす可能性がある。
本研究では,リンゴの病原体の近赤外域と中赤外域のスペクトルデータを異なる段階で解析する手法を提案する。
得られたスペクトルを用いて、特定の疾患を検出し、他の疾患や健康樹と区別するための最適なスペクトルバンドを発見した。
提案手法は,リンゴ林病のさまざまな段階の正確なリアルタイム情報を農家に提供し,より効果的なタイミングと殺虫剤適用の選択を可能にし,制御性の向上と収量の増加をもたらす。
得られたデータセットは、データを処理し、最適なスペクトル帯域を見つけるためのmatlabのスクリプトと同様に、リンクを介して利用できる。
関連論文リスト
- Assessing and Enhancing Large Language Models in Rare Disease Question-answering [64.32570472692187]
本稿では,レアな疾患の診断におけるLarge Language Models (LLMs) の性能を評価するために,レアな疾患問合せデータセット(ReDis-QA)を導入する。
ReDis-QAデータセットでは1360の高品質な質問応答ペアを収集し,205の稀な疾患をカバーした。
その後、いくつかのオープンソースのLCMをベンチマークし、希少疾患の診断がこれらのモデルにとって重要な課題であることを示した。
実験の結果,ReCOPは,ReDis-QAデータセット上でのLCMの精度を平均8%向上できることがわかった。
論文 参考訳(メタデータ) (2024-08-15T21:09:09Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳(メタデータ) (2024-04-26T16:39:50Z) - Interpretable cancer cell detection with phonon microscopy using multi-task conditional neural networks for inter-batch calibration [39.759100498329275]
本稿では,バッチ間キャリブレーションを同時に実現する条件付きニューラルネットワークフレームワークを提案する。
異なる実験バッチをトレーニングし、検証することで、我々のアプローチを検証する。
このモデルを拡張して, 診断信号の再構成を行い, 疾患状態を示す有能な特徴の物理的解釈を可能にした。
論文 参考訳(メタデータ) (2024-03-26T12:20:10Z) - How Does Pruning Impact Long-Tailed Multi-Label Medical Image
Classifiers? [49.35105290167996]
プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。
この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
論文 参考訳(メタデータ) (2023-08-17T20:40:30Z) - AMaizeD: An End to End Pipeline for Automatic Maize Disease Detection [0.0]
AMaizeDは、ドローンから得られたマルチスペクトル画像を用いて、トウモロコシの作物の病気を早期に検出する自動化フレームワークである。
提案するフレームワークは,コンボリューションニューラルネットワーク(CNN)を特徴抽出器とセグメンテーション技術に組み合わせて,トウモロコシの植物とその関連疾患を同定する。
論文 参考訳(メタデータ) (2023-07-23T19:58:40Z) - Apple scab detection in orchards using deep learning on colour and
multispectral images [0.0]
Apple scabは、Venturia inaequalisによって引き起こされる真菌病である。
本稿では,リンゴの症状を正確に同定するための深層学習とハイパースペクトルイメージングの有用性について検討する。
論文 参考訳(メタデータ) (2023-02-17T11:33:17Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳(メタデータ) (2023-01-19T11:37:20Z) - An Ensemble of Convolutional Neural Networks to Detect Foliar Diseases
in Apple Plants [0.0]
Apple(アップル)の病気は、早期に診断されなかったとしても、大量の資源が失われ、感染したリンゴを消費する人間や動物に深刻な脅威をもたらす可能性がある。
Xception, InceptionResNet および MobileNet アーキテクチャのアンサンブルシステムを提案する。
このシステムは、マルチクラスとマルチラベルの分類において卓越した成果を上げており、大きなリンゴのプランテーションをリアルタイムで監視するために使用することができる。
論文 参考訳(メタデータ) (2022-10-01T15:40:04Z) - GKD: Semi-supervised Graph Knowledge Distillation for Graph-Independent
Inference [41.348451615460796]
本稿では,知識蒸留に基づく新しい半教師付き手法GKDを提案する。
自閉症スペクトラム障害の診断のための2つの公開データセットとアルツハイマー病に関する実験を行う。
これらの実験によると、GKDは従来のグラフベースのディープラーニング手法よりも精度、AUC、マクロF1で優れている。
論文 参考訳(メタデータ) (2021-04-08T08:23:37Z) - SSM-Net for Plants Disease Identification in Low Data Regime [0.0]
植物病の検出は農業生産の増加に欠かせない要素である。
特定の植物種にかかわる病気のあらゆる形態に関する大量のデータを集めることは、非常に不便である。
本稿では,低データ環境における疾患検出の課題に対処する,メトリクスベースの数ショット学習型SSMネットアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-05-27T03:43:38Z) - The Plant Pathology 2020 challenge dataset to classify foliar disease of
apples [0.0]
米国のリンゴ果樹園は、多くの病原体や昆虫から常に脅威にさらされている。病気管理の適正かつタイムリーな展開は、早期の疾患検出に依存している。
我々は,複数のリンゴ葉病の高画質・実生症状画像3,651枚を手作業で取得した。
リンゴの皮、スギのリンゴのさび、健康な葉のパイロットデータセットを作成するために専門家が注釈を付けたサブセットが、Kaggleコミュニティの'Plant Pathology Challenge'で利用可能になった。
論文 参考訳(メタデータ) (2020-04-24T19:36:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。