論文の概要: Early Detection of Fish Diseases by Analyzing Water Quality Using
Machine Learning Algorithm
- arxiv url: http://arxiv.org/abs/2102.09390v1
- Date: Mon, 15 Feb 2021 18:52:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-19 14:31:40.304751
- Title: Early Detection of Fish Diseases by Analyzing Water Quality Using
Machine Learning Algorithm
- Title（参考訳）: 機械学習アルゴリズムを用いた水質解析による魚類病の早期検出
- Authors: Al-Akhir Nayan, Ahamad Nokib Mozumder, Joyeta Saha, Khan Raqib Mahmud,
Abul Kalam Al Azad
- Abstract要約: 本稿では,最先端の機械学習アルゴリズムを適用し,水質劣化を時間的かつ正確に検出・予測する。
実験の結果, 実際のデータセットを用いたアルゴリズムにより, 特定の水質に特有な魚病の検出精度が向上した。
- 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: Early detection of fish diseases and identifying the underlying causes are
crucial for farmers to take necessary steps to mitigate the potential outbreak,
and thus to avert financial losses with apparent negative implications to
national economy. Typically, fish diseases are caused by virus and bacteria;
according to biochemical studies, the presence of certain bacteria and virus
may affect the level of pH, DO, BOD, COD, TSS, TDS, EC, PO43-, NO3-N, and NH3-N
in water, resulting in the death of fishes. Besides, natural processes, e.g.,
photosynthesis, respiration, and decomposition also contribute to the
alteration of water quality that adversely affects fish health. Being motivated
by the recent successes of machine learning techniques in complex relational
data analyses in accurate classification and decision-making tasks, a
state-of-art machine learning algorithm has been adopted in this paper to
detect and predict the degradation of water quality timely and accurately, thus
it helps taking pre-emptive steps against potential fish diseases. The
experimental results show a high accuracy in detecting fish diseases particular
to specific water quality based on the algorithm with real datasets.
- Abstract（参考訳）: 魚類の病気の早期発見と根本的な原因の特定は、農家が潜在的な流行を緩和するために必要な措置を講じ、国民経済に明らかに負の影響を及ぼす財政損失を回避するために不可欠である。
生物化学的研究によると、特定の細菌やウイルスの存在はpH, DO, BOD, COD, TSS, TDS, EC, PO43-, NO3-N, NH3-Nの濃度に影響し、魚の死をもたらす可能性がある。
また、自然の過程、例えば光合成、呼吸、分解は、魚の健康に悪影響を及ぼす水質の変化にも寄与する。
本論文では, 高精度な分類・意思決定タスクにおける複雑な関係データ解析における機械学習技術の最近の成功を動機として, 水質劣化をタイムリーかつ正確に検出・予測する最新の機械学習アルゴリズムを採用し, 潜在的な魚類疾患に対する事前回避策を講じる。
実験の結果, 実際のデータセットを用いたアルゴリズムにより, 特定の水質に特有な魚病の検出精度が向上した。
関連論文リスト
- Machine Learning for Raman Spectroscopy-based Cyber-Marine Fish Biochemical Composition Analysis [7.075575292983362]
本稿では,水,タンパク質,脂質の収量を共同で予測する畳み込みニューラルネットワーク(CNN)の設計を提案する。
我々は、非常に小さなラマン分光データセットに基づいて魚類の生化学的組成を分析するために、CNNを用いた最初の研究を行った。
論文 参考訳（メタデータ） (2024-09-29T12:28:19Z) - SEN12-WATER: A New Dataset for Hydrological Applications and its Benchmarking [40.996860106131244]
気候と干ばつの増加は、世界中の水資源管理に重大な課題をもたらしている。
本稿では,干ばつ関連分析のためのエンドツーエンドディープラーニングフレームワークを用いたベンチマークとともに,新しいデータセットであるSEN12-WATERを提案する。
論文 参考訳（メタデータ） (2024-09-25T16:50:59Z) - Flatfish Disease Detection Based on Part Segmentation Approach and Disease Image Generation [0.5937476291232799]
ヒラメは、世界中で大量に消費される主要な養殖種である。
密集した農業環境のため、ヒラメは怪我や病気の影響を受けやすい。
本研究では, 魚の病気画像を生成的対向ネットワークと画像調和法を用いて拡張する。
論文 参考訳（メタデータ） (2024-07-16T03:32:10Z) - Introducing the Biomechanics-Function Relationship in Glaucoma: Improved Visual Field Loss Predictions from intraocular pressure-induced Neural Tissue Strains [31.874825130479174]
我々は、眼圧(IOP)誘発性神経組織株を計算するために、視神経頭部(ONH)組織の自動分画とデジタルボリューム相関(DVC)分析を利用した。
ハンフリー24-2パターン標準偏差(PSD)マップの完全な予測には、ポイントネット(Point-Net)と呼ばれる頑健な幾何学的深層学習手法が用いられた。
バイオメカニクスが予測精度に与える影響を評価するため,IOP誘発株を含まないモデルの性能を比較した。
論文 参考訳（メタデータ） (2024-06-21T09:00:46Z) - Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。
最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。
以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
論文 参考訳（メタデータ） (2024-05-27T13:26:34Z) - Explainable machine learning for predicting shellfish toxicity in the Adriatic Sea using long-term monitoring data of HABs [0.0]
我々は,魚介類中毒を正確に予測するために,機械学習モデルを訓練し,評価する。
The random forest model provided the best prediction of positive toxicity results based on the F1 score。
主要な種(Dinophysis fortii, D. caudata)と環境要因(塩分濃度, 河川排出量, 降水量)はDSPの発生の予測因子として最適であった。
論文 参考訳（メタデータ） (2024-05-07T14:55:42Z) - Harmful algal bloom forecasting. A comparison between stream and batch
learning [0.7067443325368975]
有害なアルガルブルーム(HAB)は公衆衛生と貝類産業にリスクをもたらす。
本研究では,有毒なジノフラゲレートの細胞数を予測する機械学習ワークフローを開発した。
モデルDoMEは最も効果的で解釈可能な予測器として登場し、他のアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2024-02-20T15:01:11Z) - Interpretable Survival Analysis for Heart Failure Risk Prediction [50.64739292687567]
現状の生存モデルと解釈可能かつ競合する新しい生存分析パイプラインを提案する。
我々のパイプラインは最先端のパフォーマンスを達成し、心不全のリスク要因に関する興味深い新しい洞察を提供する。
論文 参考訳（メタデータ） (2023-10-24T02:56:05Z) - A Look into Causal Effects under Entangled Treatment in Graphs:
Investigating the Impact of Contact on MRSA Infection [33.08260042598704]
メチシリン耐性黄色ブドウ球菌(MRSA)は、特定の抗生物質に耐性を持つ細菌であり、MRSA感染の予防が困難である。
観察データからMRSA感染に対する近接接触(治療)の因果効果を推定するために,多くの研究が提案されている。
処理代入機構は、欠落した反事実のパターンを決定する際に重要な役割を果たす。
論文 参考訳（メタデータ） (2023-07-17T04:38:51Z) - Fish Disease Detection Using Image Based Machine Learning Technique in
Aquaculture [0.971137838903781]
養殖における魚の病気は栄養の安全にとって重大な危険である。
画像の前処理とセグメンテーションはノイズを低減し、画像を誇張するために適用されている。
第二部では、機械学習のサポートベクトルマシン(SVM)アルゴリズムの助けを借りて疾患を分類するための関連する特徴を抽出します。
論文 参考訳（メタデータ） (2021-05-09T13:22:44Z) - Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。
提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
論文 参考訳（メタデータ） (2020-11-28T05:51:19Z)
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。