論文の概要: A Novel Technique Combining Image Processing, Plant Development Properties, and the Hungarian Algorithm, to Improve Leaf Detection in Maize

• arxiv url: http://arxiv.org/abs/2005.09022v1
• Date: Mon, 18 May 2020 18:43:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-01 23:57:25.188974
• Title: A Novel Technique Combining Image Processing, Plant Development Properties, and the Hungarian Algorithm, to Improve Leaf Detection in Maize
• Title（参考訳）: トウモロコシの葉の検出を改善するための画像処理, 植物発達特性, ハンガリーアルゴリズムを組み合わせた新しい技術
• Authors: Nazifa Khan, Oliver A.S. Lyon, Mark Eramian and Ian McQuillan
• Abstract要約: 本研究の目的は,高品質な室内画像の時間的シーケンスから葉の位置(および数)を特定することである。 画像にセグメンテーションを使用し、凸体を使って各ステップで最高のビューを選択し、次に対応する画像のスケルトン化を行う。 時間ステップごとに、葉はグラフ理論のハンガリーのアルゴリズムを用いて、前日と次の3日間の葉と一致した。
• 参考スコア（独自算出の注目度）: 2.294014185517203
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Manual determination of plant phenotypic properties such as plant architecture, growth, and health is very time consuming and sometimes destructive. Automatic image analysis has become a popular approach. This research aims to identify the position (and number) of leaves from a temporal sequence of high-quality indoor images consisting of multiple views, focussing in particular of images of maize. The procedure used a segmentation on the images, using the convex hull to pick the best view at each time step, followed by a skeletonization of the corresponding image. To remove skeleton spurs, a discrete skeleton evolution pruning process was applied. Pre-existing statistics regarding maize development was incorporated to help differentiate between true leaves and false leaves. Furthermore, for each time step, leaves were matched to those of the previous and next three days using the graph-theoretic Hungarian algorithm. This matching algorithm can be used to both remove false positives, and also to predict true leaves, even if they were completely occluded from the image itself. The algorithm was evaluated using an open dataset consisting of 13 maize plants across 27 days from two different views. The total number of true leaves from the dataset was 1843, and our proposed techniques detect a total of 1690 leaves including 1674 true leaves, and only 16 false leaves, giving a recall of 90.8%, and a precision of 99.0%.
• Abstract（参考訳）: 植物構造、成長、健康などの植物形質のマニュアル決定は非常に時間がかかり、時には破壊的になる。 画像の自動解析が普及している。 本研究の目的は、複数のビューからなる高品質屋内画像の時間的シーケンスから葉の位置(および数)を特定し、特にトウモロコシの画像に焦点を当てることである。 プロシージャは画像にセグメンテーションを使用し、凸体を使用して各ステップで最高のビューを選択し、続いて対応する画像のスケルトン化を行った。 スケルトンを除去するために、個別のスケルトン進化プルーニングプロセスを適用した。 トウモロコシ開発に関する既存の統計は、本物の葉と偽葉を区別するために組み込まれた。 さらに、各時間ステップごとに、葉はグラフ理論ハンガリーアルゴリズムを用いて前日と次の3日間の葉と一致した。 このマッチングアルゴリズムは、たとえ画像自体から完全に隠されていたとしても、偽陽性の除去と真の葉の予測の両方に使用できる。 このアルゴリズムは、2つの異なる視点から27日間にわたる13のトウモロコシ植物からなるオープンデータセットを用いて評価した。 このデータセットから得られた真葉の総数は1843であり、提案手法は1674個の真葉を含む1690個の葉と16個の偽葉のみを検出し、90.8%のリコールと99.0%の精度を示した。

関連論文リスト

• Investigation to answer three key questions concerning plant pest identification and development of a practical identification framework [2.388418486046813]
  334K画像を用いた精密で頑健で高速な植物害虫識別フレームワークを開発した。 我々の2段階植物害虫識別フレームワークは,91.0%,88.5%の精度とマクロF1スコアを達成できた。
  論文  参考訳（メタデータ） (2024-07-25T12:49:24Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Plant Species Classification Using Transfer Learning by Pretrained Classifier VGG-19 [1.933681537640272]
  本稿では,スウェーデンの葉の色を分離し,植物種を同定する手法について述べる。 高い精度を達成するために、事前に訓練された分類器VGG-19の助けを借りて、伝達学習を用いてタスクを完了させる。 このモデルは15の木のクラスを含むスウェーデンの葉のデータセットの側面に関連する知識を取得し、99.70%の精度で未知の植物の適切なクラスを予測するのに役立つ。
  論文  参考訳（メタデータ） (2022-09-07T11:28:50Z)
• 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)
• A Deep Learning Generative Model Approach for Image Synthesis of Plant Leaves [62.997667081978825]
  我々は,高度深層学習(DL)技術を用いて,人工葉画像の自動生成を行う。 我々は、現代の作物管理のためのAIアプリケーションのためのトレーニングサンプルのソースを処分することを目指している。
  論文  参考訳（メタデータ） (2021-11-05T10:53:35Z)
• An Effective Leaf Recognition Using Convolutional Neural Networks Based Features [1.137457877869062]
  本稿では,葉の認識に有効な手法を提案する。 葉はいくつかの前処理を経て、精製された色画像、静脈像、xy投影ヒストグラム、手作りの形状、テクスチャの特徴、フーリエディスクリプタを抽出する。 これらの属性は、サポートベクターマシン(SVM)モデルを使用して異なる葉を分類する前に、ニューラルネットワークベースのエンコーダによってより良い表現に変換される。
  論文  参考訳（メタデータ） (2021-08-04T02:02:22Z)
• A CNN Approach to Simultaneously Count Plants and Detect Plantation-Rows from UAV Imagery [56.10033255997329]
  畳み込みニューラルネットワーク(CNN)を用いた新しい深層学習手法を提案する。 高度に乾燥したプランテーション構成を考慮した植物を数えながら、同時にプランテーション・ロウを検出し、配置する。 提案手法は、異なる種類の作物のUAV画像において、植物と植物をカウントおよびジオロケートするための最先端の性能を達成した。
  論文  参考訳（メタデータ） (2020-12-31T18:51:17Z)
• A Review of Visual Descriptors and Classification Techniques Used in Leaf Species Identification [0.0]
  植物学における主要な研究分野は、植物種同定、高スペクトル画像を用いた雑草分類、植物の健康状態のモニタリング、葉の生長の追跡、葉情報の意味論的解釈などである。 植物学者は、葉の形状、先端、基部、葉の縁、葉の静脈、葉のテクスチャと複合葉の葉の配置を区別することで、植物種を識別し易い。 特定の種、それらに影響を与える病気、葉の成長パターンなどを精査するために、葉を認識して特徴付けるインテリジェントなシステムが必要である。
  論文  参考訳（メタデータ） (2020-09-13T14:11:00Z)
• Stem-leaf segmentation and phenotypic trait extraction of maize shoots from three-dimensional point cloud [8.392251372468412]
  本稿では, 骨格抽出, 骨格に基づく粗い部分分割, 茎葉分類に基づく細部分分割の3段階からなる自動茎葉分割法を提案する。 植物の高さ、樹冠径、茎の高さと直径、葉の幅と長さを含む6つの表現型パラメータを正確に自動測定することができる。 提案したアルゴリズムは、完全に拡張された葉だけでなく、新しい葉をまとめて閉じることもできる。
  論文  参考訳（メタデータ） (2020-09-07T13:58:09Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)
• Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of Geometry and Segmentation of Annotations [70.0118756144807]
  この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。 VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。 対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
  論文  参考訳（メタデータ） (2020-05-08T02:16:17Z)

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。