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
- 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) - Machine Learning in management of precautionary closures caused by
lipophilic biotoxins [43.51581973358462]
ムッセル農業は最も重要な水産産業の1つである。
ムッセル農業の主なリスクは有害な藻類開花(HABs)であり、人間の消費に危険をもたらす。
本研究は,予防的クロージャの適用を支援する予測モデルを提案する。
論文 参考訳(メタデータ) (2024-02-14T15:51:58Z) - 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) - Towards Generating Large Synthetic Phytoplankton Datasets for Efficient
Monitoring of Harmful Algal Blooms [77.25251419910205]
有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。
現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。
合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
論文 参考訳(メタデータ) (2022-08-03T20:15:55Z) - IoT based Smart Water Quality Prediction for Biofloc Aquaculture [1.820324411024166]
養殖におけるバイオフロック技術は、マニュアルを微生物タンパク質に変換することによって、未使用の飼料の再利用を可能にする高度なシステムに変換する。
この記事では、センサを使用してデータを収集し、機械学習モデルを使用して分析し、人工知能(AI)の助けを借りて決定を生成し、ユーザに通知を送信するシステムを紹介した。
論文 参考訳(メタデータ) (2022-07-27T03:00:48Z) - Smart IoT-Biofloc water management system using Decision regression tree [0.0]
バイオフロック技術は、従来の農業を高度なインフラに変え、バクテリアのバイオマスへと転換することで、余剰食品の利用を可能にする。
本稿では,センサからデータを収集し,データをクラウドに保存し,機械学習モデルを用いて水の状態を予測するシステムを紹介し,アンドロイドアプリによるリアルタイムモニタリングを行う。
論文 参考訳(メタデータ) (2021-12-05T14:12:07Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳(メタデータ) (2021-10-27T19:28:36Z) - 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) - Multi-Target Deep Learning for Algal Detection and Classification [18.326567338439435]
藻類検出・分類のための多目的深層学習フレームワークを提案する。
大規模に着色した微細藻類を用いた実験を行った。
論文 参考訳(メタデータ) (2020-05-07T03:40:29Z)
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。