論文の概要: A Deep Learning-based Detector for Brown Spot Disease in Passion Fruit Plant Leaves

• arxiv url: http://arxiv.org/abs/2007.14103v2
• Date: Wed, 29 Jul 2020 08:51:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 02:29:26.647921
• Title: A Deep Learning-based Detector for Brown Spot Disease in Passion Fruit Plant Leaves
• Title（参考訳）: 受動果実葉におけるブラウンスポット病の深層学習による検出
• Authors: Andrew Katumba, Moses Bomera, Cosmas Mwikirize, Gorret Namulondo, Mary Gorret Ajero, Idd Ramathani, Olivia Nakayima, Grace Nakabonge, Dorothy Okello, Jonathan Serugunda
• Abstract要約: この研究は2つの主要な病気(ウイルス)と茶色の斑点(真菌)に焦点を当てている。 我々はウガンダ国立作物研究所(NaCRRI)と共同で、熱心にラベル付けされた果物の葉と果実のデータセットを開発しました。
• 参考スコア（独自算出の注目度）: 0.5485240256788552
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pests and diseases pose a key challenge to passion fruit farmers across Uganda and East Africa in general. They lead to loss of investment as yields reduce and losses increases. As the majority of the farmers, including passion fruit farmers, in the country are smallholder farmers from low-income households, they do not have the sufficient information and means to combat these challenges. While, passion fruits have the potential to improve the well-being of these farmers as they have a short maturity period and high market value , without the required knowledge about the health of their crops, farmers cannot intervene promptly to turn the situation around. For this work, we have partnered with the Uganda National Crop Research Institute (NaCRRI) to develop a dataset of expertly labelled passion fruit plant leaves and fruits, both diseased and healthy. We have made use of their extension service to collect images from 5 districts in Uganda, With the dataset in place, we are employing state-of-the-art techniques in machine learning, and specifically deep learning, techniques at scale for object detection and classification to correctly determine the health status of passion fruit plants and provide an accurate diagnosis for positive detections.This work focuses on two major diseases woodiness (viral) and brown spot (fungal) diseases.
• Abstract（参考訳）: 害虫や病気はウガンダや東アフリカ全般の果物農家にとって重要な課題である。 利回りが減少し、損失が増加するにつれて、投資の損失につながる。 国内では、情熱的な果物農家を含む農家の大多数が低所得世帯の小株主であり、これらの課題に対処できる十分な情報や手段を持っていない。 情熱的な果実は、彼らの作物の健康に関する必要な知識がなければ、短い成熟期と高い市場価値を持つため、これらの農家の幸福を向上する可能性があるが、農家はすぐに状況を逆転させることはできない。 この研究のために、我々はウガンダ国立作物研究所(NaCRRI)と共同で、有能にラベル付けされた果物の葉と果実のデータセットを開発しました。 我々は,その拡張サービスをウガンダの5つの地区の画像収集に利用した。このデータセットは,機械学習の最先端技術,特にディープラーニングにおいて,情熱的な果実植物の健康状態を正確に判定し,正の診断を行うための大規模オブジェクト検出・分類技術を用いており,本研究は2つの主要な病気(ウイルス)と褐色斑点(真菌)の疾患に焦点を当てている。

関連論文リスト

• Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
  本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。 我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-07T22:29:05Z)
• Artificial Immune System of Secure Face Recognition Against Adversarial Attacks [67.31542713498627]
  昆虫生産には 最大限の可能性を実現するために 最適化が必要です これは選択的育種による興味のある形質の改善が目的である。 このレビューは、様々な分野の知識と、動物の繁殖、定量的遺伝学、進化生物学、昆虫学のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2024-06-26T07:50:58Z)
• SMARD: A Cost Effective Smart Agro Development Technology for Crops Disease Classification [0.0]
  SMARD」プロジェクトは、国内の農業部門を強化することを目的としている。 農夫に作物管理、種選別、疾病管理のベストプラクティスに関する情報を提供する。 農家は、テキストメッセージ、音声通話、ビデオ通話を通じて専門家パネルに連絡して、肥料、種子、農薬を低価格で購入することもできる。
  論文  参考訳（メタデータ） (2024-05-17T05:14:39Z)
• Leaf-Based Plant Disease Detection and Explainable AI [16.128084819516715]
  農業部門は国の経済成長に不可欠な役割を担っている。 植物病は農業に影響を及ぼす重要な要因の1つである。 研究者は、植物病を検出するAIと機械学習技術に基づく多くのアプリケーションを調査してきた。
  論文  参考訳（メタデータ） (2023-12-17T03:40:12Z)
• Dates Fruit Disease Recognition using Machine Learning [0.0]
  健康期, 病期, 栄養期, 寄生虫の感染状況など, 871枚の画像からなるデータセットを作成した。 最も高い平均精度は、L*a*b、統計、DWT特徴を組み合わせることで達成された。
  論文  参考訳（メタデータ） (2023-11-17T07:37:41Z)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
  我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。 本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。 我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
  論文  参考訳（メタデータ） (2023-05-03T05:16:54Z)
• Fruit Ripeness Classification: a Survey [59.11160990637616]
  食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。 機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。 ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
  論文  参考訳（メタデータ） (2022-12-29T19:32:20Z)
• Sistema experto para el diagn\'ostico de enfermedades y plagas en los cultivos del arroz, tabaco, tomate, pimiento, ma\'iz, pepino y frijol [0.0]
  本稿では, イネ, タバコ, トマト, ペッパー, トウモロコシ, キュウリ, 豆の病害虫診断のためのエキスパートシステムを提案する。 このエキスパートシステムを開発するために、SWI-Prologは知識ベースを作成するために使われた。
  論文  参考訳（メタデータ） (2020-07-21T18:39:37Z)
• Apple Defect Detection Using Deep Learning Based Object Detection For Better Post Harvest Handling [0.0]
  リンゴは収穫または収穫後の期間に生じる幅広い欠陥に感受性がある。 最近のコンピュータビジョンとディープラーニングは、欠陥のあるリンゴから健康なリンゴを検出するのに役立つ。
  論文  参考訳（メタデータ） (2020-05-12T23:34:43Z)
• Agriculture-Vision: A Large Aerial Image Database for Agricultural Pattern Analysis [110.30849704592592]
  本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。 各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。 農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
  論文  参考訳（メタデータ） (2020-01-05T20:19:33Z)

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。