論文の概要: Plant Diseases recognition on images using Convolutional Neural Networks: A Systematic Review

• arxiv url: http://arxiv.org/abs/2009.04365v1
• Date: Wed, 9 Sep 2020 15:36:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 11:50:18.704611
• Title: Plant Diseases recognition on images using Convolutional Neural Networks: A Systematic Review
• Title（参考訳）: 畳み込みニューラルネットワークを用いた画像上の植物病の認識:システムレビュー
• Authors: Andre S. Abade, Paulo Afonso Ferreira and Flavio de Barros Vidal
• Abstract要約: 植物病は、食品生産に影響を及ぼし、生産損失を最小化させる主要な要因の1つと考えられている。 深層学習法は植物病の検出に応用され、高い精度で堅牢なツールを提供する。 本研究は,植物病の同定・分類過程において,畳み込みニューラルネットワークを用いた技術の現状を明らかにすることを目的とした文献の体系的なレビューを行う。
• 参考スコア（独自算出の注目度）: 0.2793095554369281
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Plant diseases are considered one of the main factors influencing food production and minimize losses in production, and it is essential that crop diseases have fast detection and recognition. The recent expansion of deep learning methods has found its application in plant disease detection, offering a robust tool with highly accurate results. In this context, this work presents a systematic review of the literature that aims to identify the state of the art of the use of convolutional neural networks(CNN) in the process of identification and classification of plant diseases, delimiting trends, and indicating gaps. In this sense, we present 121 papers selected in the last ten years with different approaches to treat aspects related to disease detection, characteristics of the data set, the crops and pathogens investigated. From the results of the systematic review, it is possible to understand the innovative trends regarding the use of CNNs in the identification of plant diseases and to identify the gaps that need the attention of the research community.
• Abstract（参考訳）: 植物病は食品生産に影響を及ぼし、生産損失を最小化する要因の一つと考えられており、作物病の早期発見と認識が不可欠である。 近年の深層学習法の拡大は、植物病の検出に応用され、高い精度で堅牢なツールを提供する。 本稿では,植物疾患の同定と分類,傾向の特定,ギャップの顕在化の過程における畳み込みニューラルネットワーク(cnn)の利用の現状を明らかにすることを目的とした文献の体系的レビューを行う。 この意味では,過去10年間に選択された121の論文を,疾患の検出,データセットの特徴,作物および病原体に関する側面を扱った異なるアプローチで提示する。 系統的レビューの結果から,植物病の同定におけるcnnの利用に関する革新的傾向を理解し,研究コミュニティの注意を必要とするギャップを明らかにすることができる。

関連論文リスト

• Small data deep learning methodology for in-field disease detection [6.2747249113031325]
  本稿では,ポテト作物の遅発症状を軽度に検出できる最初の機械学習モデルを提案する。 提案手法は, 焦点損失関数を持つ深部畳み込みニューラルネットワークをベースとした, パッチ方式による高分解能画像の高精細化を実現する。 本モデルでは, 早期症状の同定に高い精度と有効性を示した。
  論文  参考訳（メタデータ） (2024-09-25T17:31:17Z)
• Multi-Class Plant Leaf Disease Detection: A CNN-based Approach with Mobile App Integration [0.0]
  植物病は農業の生産性に大きな影響を及ぼし、経済的な損失と食料の安全を損なう。 本研究では, 画像処理, 機械学習, 深層学習, 移動技術の統合に着目し, 植物病検出の最先端技術について検討する。 植物葉の高分解能画像が捉えられ、畳み込みニューラルネットワーク(CNN)を用いて分析された。 このモデルは、複数の作物や病気の種類を含む多様なデータセットに基づいて訓練され、98.14%の精度で診断された。
  論文  参考訳（メタデータ） (2024-08-26T07:16:41Z)
• 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)
• EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
  本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。 DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
  論文  参考訳（メタデータ） (2022-08-01T18:47:03Z)
• Explainable vision transformer enabled convolutional neural network for plant disease identification: PlantXViT [11.623005206620498]
  植物病は世界の作物の損失の主な原因であり、世界経済に影響を及ぼす。 本研究では、植物病の同定のために、ビジョントランスフォーマーにより「PlantXViT」と呼ばれる畳み込みニューラルネットワークモデルが提案される。 提案したモデルは、わずか0.8万のトレーニング可能なパラメータを持つ軽量な構造であり、IoTベースのスマート農業サービスに適している。
  論文  参考訳（メタデータ） (2022-07-16T12:05:06Z)
• LifeLonger: A Benchmark for Continual Disease Classification [59.13735398630546]
  MedMNISTコレクションの連続的な疾患分類のためのベンチマークであるLifeLongerを紹介する。 タスクとクラスでの病気の漸進的な学習は、モデルをスクラッチから再トレーニングすることなく、新しいサンプルを分類する問題に対処する。 クロスドメインインクリメンタル学習は、これまで得られた知識を維持しながら、異なる機関から派生したデータセットを扱う問題に対処する。
  論文  参考訳（メタデータ） (2022-04-12T12:25:05Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• A Multi-Plant Disease Diagnosis Method using Convolutional Neural Network [0.0]
  本章では,複数植物の診断を併用した最適な植物病原体同定モデルについて検討する。 我々は多くの一般的な畳み込みニューラルネットワーク(CNN)アーキテクチャを実装している。 Xception と DenseNet アーキテクチャは,マルチラベル植物病の分類タスクにおいて,より優れた性能を示した。
  論文  参考訳（メタデータ） (2020-11-10T15:18:52Z)
• Polyp-artifact relationship analysis using graph inductive learned representations [52.900974021773024]
  大腸癌の診断プロセスは主にポリープ(polyps)として知られる大腸組織における異常増殖の局在と特徴づけに焦点を当てている。 近年の深層物体の局在化の進展にもかかわらず、組織と高レベルのアーティファクトとの類似性により、ポリープの局在化は依然として困難である。 近年の研究では、ポリプ検出タスクにおける人工物の存在が負の影響を示しており、トレーニングプロセスの中でそれらを考慮し始めている。
  論文  参考訳（メタデータ） (2020-09-15T13:56:39Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• Plant Disease Detection from Images [0.0]
  本研究は,植物の葉のイメージから植物に影響を及ぼす病気の種類を検出する深層学習モデルの構築に焦点をあてる。 このモデルは、転送学習を用いて作成され、resnet34とresnet50の両方で実験され、識別学習がより良い結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2020-03-05T02:17:36Z)

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。