論文の概要: Mobile-Based Deep Learning Models for Banana Diseases Detection

• arxiv url: http://arxiv.org/abs/2004.03718v1
• Date: Tue, 7 Apr 2020 21:17:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 00:34:39.194348
• Title: Mobile-Based Deep Learning Models for Banana Diseases Detection
• Title（参考訳）: バナナ病検出のためのモバイル型ディープラーニングモデル
• Authors: Sophia Sanga, Victor Mero, Dina Machuve and Davis Mwanganda
• Abstract要約: タンザニアの小規模農家は、バナナの病気を早期に検出するための道具が不足していることに異議を唱えている。 本研究の目的は,深層学習を用いたフサリウム・ウィットレース1およびブラックシガトカバナナ病の早期発見のためのモバイルアプリケーションの開発である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Smallholder farmers in Tanzania are challenged on the lack of tools for early detection of banana diseases. This study aimed at developing a mobile application for early detection of Fusarium wilt race 1 and black Sigatoka banana diseases using deep learning. We used a dataset of 3000 banana leaves images. We pre-trained our model on Resnet152 and Inceptionv3 Convolution Neural Network architectures. The Resnet152 achieved an accuracy of 99.2% and Inceptionv3 an accuracy of 95.41%. On deployment using Android mobile phones, we chose Inceptionv3 since it has lower memory requirements compared to Resnet152. The mobile application on real environment detected the two diseases with a confidence level of 99% of the captured leaf area. This result indicates the potential in improving the yield of bananas by smallholder farmers using a tool for early detection of diseases.
• Abstract（参考訳）: タンザニアの小規模農家はバナナ病の早期発見のための道具の欠如に苦しめられている。 本研究の目的は,深層学習を用いたフサリウム・ウィットレース1およびブラックシガトカバナナ病の早期発見のためのモバイルアプリケーションの開発である。 3000のバナナ葉の画像のデータセットを使いました resnet152とinceptionv3の畳み込みニューラルネットワークアーキテクチャに関するモデルを事前トレーニングした。 Resnet152は99.2%、Inceptionv3は95.41%の精度を達成した。 android携帯電話を使ったデプロイでは、resnet152よりもメモリ要件が少ないため、inceptionv3を選択しました。 実環境におけるモバイルアプリケーションでは, 捕獲葉面積の99%の信頼度を有する2つの疾患が検出された。 この結果は, 病害早期発見ツールを用いて, 小規模農家によるバナナの収量向上の可能性を示している。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Advancing Green AI: Efficient and Accurate Lightweight CNNs for Rice Leaf Disease Identification [0.0]
  米は世界の人口の半数以上にとって主要な食料源として重要な役割を担っている。 本研究では,イネ葉病分類のための3つの移動型CNNアーキテクチャについて検討した。 最高のパフォーマンスは、99.8%の精度でEfficientNet-B0モデルによって達成された。
  論文  参考訳（メタデータ） (2024-08-03T11:16:00Z)
• Detection of Spider Mites on Labrador Beans through Machine Learning Approaches Using Custom Datasets [0.0]
  本研究では, 実環境下で収集したRGBおよびNIRデータを, JAI FS-1600D-10GEカメラを用いて, RGBNデータセットを構築することで, 植物病検出のための視覚機械学習手法を提案する。 YOLOv8とシーケンシャルCNNを用いた2段階早期植物病検出モデルを用いて、部分ラベル付きデータセットのトレーニングを行い、単一段階のエンドツーエンドセグメンテーションモデルと比較して3.6%のmAP増加を示した。 ResNet15とシーケンシャルCNNモデルを用いたRGBと比較して、RGBNを用いて平均6.25%の検証精度が向上した。
  論文  参考訳（メタデータ） (2024-02-12T18:57:06Z)
• On the Image-Based Detection of Tomato and Corn leaves Diseases : An in-depth comparative experiments [0.0]
  本研究は、植物画像分類のための畳み込みニューラルネットワーク(CNN)に基づく、新しい植物病検出モデルを提案する。 このモデルは2つの異なる植物病を4つのカテゴリに分類し、植物病の同定のための新しいテクニックを提示する。
  論文  参考訳（メタデータ） (2023-12-14T05:11:30Z)
• NCTV: Neural Clamping Toolkit and Visualization for Neural Network Calibration [66.22668336495175]
  ニューラルネットワークのキャリブレーションに対する考慮の欠如は、人間から信頼を得ることはないだろう。 我々はNeural Clamping Toolkitを紹介した。これは開発者が最先端のモデルに依存しないキャリブレーションモデルを採用するのを支援するために設計された最初のオープンソースフレームワークである。
  論文  参考訳（メタデータ） (2022-11-29T15:03:05Z)
• End-to-end deep learning for directly estimating grape yield from ground-based imagery [53.086864957064876]
  本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。 オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。 本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
  論文  参考訳（メタデータ） (2022-08-04T01:34:46Z)
• Facilitated machine learning for image-based fruit quality assessment in developing countries [68.8204255655161]
  自動画像分類は食品科学における教師あり機械学習の一般的な課題である。 事前学習型視覚変換器(ViT)に基づく代替手法を提案する。 標準的なデバイス上で限られたリソースで簡単に実装できる。
  論文  参考訳（メタデータ） (2022-07-10T19:52:20Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• One-Shot Learning with Triplet Loss for Vegetation Classification Tasks [45.82374977939355]
  三重項損失関数は、ワンショット学習タスクの精度を大幅に向上できる選択肢の1つである。 2015年からは、多くのプロジェクトがシームズネットワークとこの種の損失を顔認識とオブジェクト分類に利用している。
  論文  参考訳（メタデータ） (2020-12-14T10:44:22Z)
• 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)

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。