論文の概要: Hyperspectral Imaging to detect Age, Defects and Individual Nutrient
Deficiency in Grapevine Leaves
- arxiv url: http://arxiv.org/abs/2007.05197v1
- Date: Fri, 10 Jul 2020 06:42:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 22:37:20.855683
- Title: Hyperspectral Imaging to detect Age, Defects and Individual Nutrient
Deficiency in Grapevine Leaves
- Title（参考訳）: Grapevine葉の加齢, 欠陥, 個人栄養欠乏を検出するハイパースペクトルイメージング
- Authors: Manoranjan Paul, Sourabhi Debnath, Tanmoy Debnath, Suzy Rogiers, Tintu
Baby, DM Motiur Rahaman, Lihong Zheng, Leigh Schmidtke
- Abstract要約: ハイパースペクトル(HS)イメージングは380nmから1000nmの範囲でうまく利用された。
年齢検出のために、多くの健康なブドウの葉の外観を調べた。
視覚障害のある葉は健康な葉と比較された。
また, コントロール葉と個々の栄養不足葉(N, K, Mg)も分析した。
- 参考スコア（独自算出の注目度）: 9.442941905605586
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hyperspectral (HS) imaging was successfully employed in the 380 nm to 1000 nm
wavelength range to investigate the efficacy of detecting age, healthiness and
individual nutrient deficiency of grapevine leaves collected from vineyards
located in central west NSW, Australia. For age detection, the appearance of
many healthy grapevine leaves has been examined. Then visually defective leaves
were compared with healthy leaves. Control leaves and individual
nutrient-deficient leaves (e.g. N, K and Mg) were also analysed. Several
features were employed at various stages in the Ultraviolet (UV), Visible (VIS)
and Near Infrared (NIR) regions to evaluate the experimental data: mean
brightness, mean 1st derivative brightness, variation index, mean spectral
ratio, normalised difference vegetation index (NDVI) and standard deviation
(SD). Experiment results demonstrate that these features could be utilised with
a high degree of effectiveness to compare age, identify unhealthy samples and
not only to distinguish from control and nutrient deficiency but also to
identify individual nutrient defects. Therefore, our work corroborated that HS
imaging has excellent potential as a non-destructive as well as a non-contact
method to detect age, healthiness and individual nutrient deficiencies of
grapevine leaves
- Abstract（参考訳）: 380nmから1000nmの波長範囲で高スペクトル(hs)イメージングを行い, オーストラリア, ニューサウスウェールズ州中部のブドウ畑から採取したブドウ葉の熟成, 健康, 個々の栄養分不足の検出効果を検討した。
年齢検出のために、多くの健康なブドウの葉の外観を調べた。
そして, 健康な葉と比較した。
また, コントロール葉と個々の栄養不足葉(N, K, Mg)も分析した。
紫外光(UV)、可視光(VIS)、近赤外(NIR)の各領域で、平均輝度、平均微分輝度、変動指数、平均スペクトル比、正規化差分量分布指数(NDVI)、標準偏差(SD)といった実験データを評価するために、いくつかの特徴が採用された。
実験結果から, これらの特徴は, 年齢比較, 不健康な試料の同定, コントロールと栄養不足の識別だけでなく, 個々の栄養欠陥の同定に有効であることが示唆された。
以上の結果から, HSイメージングは非破壊性, 非接触性, 老化, 健康性, 個人の栄養欠乏を検出できる可能性が示唆された。
関連論文リスト
- PND-Net: Plant Nutrition Deficiency and Disease Classification using Graph Convolutional Network [18.778641229886393]
本稿では,グラフ畳み込みネットワーク(GNN)を用いた植物栄養障害と疾患分類の新しい深層学習法を提案する。
The proposed method, called Plant Nutrition Deficiency and Disease Network (PND-Net) was evaluate on two public datasets for nutrition deficiency, and two for disease classification using four CNNs。
論文 参考訳（メタデータ） (2024-10-16T17:01:28Z) - DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In
Machine-Assisted Skin Disease Detection [51.92255321684027]
皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。
我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
論文 参考訳（メタデータ） (2024-01-24T07:45:24Z) - Detection of Late Blight Disease in Tomato Leaf Using Image Processing
Techniques [0.0]
ラトブライトは世界で最も一般的なトマト病であり、しばしばトマト作物の生産を著しく減少させる。
農作物としてのトマトの重要性は、遅芽の早期発見を必要とする。
画像セグメンテーションとマルチクラスSVM技術を用いて、この研究で遅発性障害が発見される。
論文 参考訳（メタデータ） (2023-05-31T06:16:40Z) - 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) - Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。
私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
論文 参考訳（メタデータ） (2022-10-24T14:37:09Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - Automatic Classification of Neuromuscular Diseases in Children Using
Photoacoustic Imaging [77.32032399775152]
神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。
激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
論文 参考訳（メタデータ） (2022-01-27T16:37:19Z) - A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。
提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文 参考訳（メタデータ） (2021-11-23T08:04:32Z) - Detection of Plant Leaf Disease Directly in the JPEG Compressed Domain
using Transfer Learning Technique [0.0]
植物葉病は食品の安全性に重大な危険をもたらし、品質と生産量の低下を引き起こす。
ディープニューラルネットワークは画像分類において極めて有益である。
本研究では, JPEG圧縮領域において, 転写学習を用いた植物葉病検出について検討した。
論文 参考訳（メタデータ） (2021-07-10T11:10:28Z) - Real-time Plant Health Assessment Via Implementing Cloud-based Scalable
Transfer Learning On AWS DeepLens [0.8714677279673736]
植物葉病の検出・分類のための機械学習手法を提案する。
私たちは、AWS SageMaker上でスケーラブルな転送学習を使用して、リアルタイムの実用的なユーザビリティのために、AWS DeepLensにインポートしています。
果実や野菜の健康・不健康な葉の広範な画像データセットに関する実験では,植物葉病のリアルタイム診断で98.78%の精度を示した。
論文 参考訳（メタデータ） (2020-09-09T05:23:34Z)
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。