Fugu-MT 論文翻訳(概要): Fish Disease Detection Using Image Based Machine Learning Technique in Aquaculture

論文の概要: Fish Disease Detection Using Image Based Machine Learning Technique in Aquaculture

arxiv url: http://arxiv.org/abs/2105.03934v1
Date: Sun, 9 May 2021 13:22:44 GMT
ステータス: 処理完了
システム内更新日: 2021-05-11 15:13:43.108307
Title: Fish Disease Detection Using Image Based Machine Learning Technique in Aquaculture
Title（参考訳）: 画像ベース機械学習を用いた養殖における魚病検出
Authors: Md Shoaib Ahmed, Tanjim Taharat Aurpa, Md. Abul Kalam Azad
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.971137838903781
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Fish diseases in aquaculture constitute a significant hazard to nutriment security. Identification of infected fishes in aquaculture remains challenging to find out at the early stage due to the dearth of necessary infrastructure. The identification of infected fish timely is an obligatory step to thwart from spreading disease. In this work, we want to find out the salmon fish disease in aquaculture, as salmon aquaculture is the fastest-growing food production system globally, accounting for 70 percent (2.5 million tons) of the market. In the alliance of flawless image processing and machine learning mechanism, we identify the infected fishes caused by the various pathogen. This work divides into two portions. In the rudimentary portion, image pre-processing and segmentation have been applied to reduce noise and exaggerate the image, respectively. In the second portion, we extract the involved features to classify the diseases with the help of the Support Vector Machine (SVM) algorithm of machine learning with a kernel function. The processed images of the first portion have passed through this (SVM) model. Then we harmonize a comprehensive experiment with the proposed combination of techniques on the salmon fish image dataset used to examine the fish disease. We have conveyed this work on a novel dataset compromising with and without image augmentation. The results have bought a judgment of our applied SVM performs notably with 91.42 and 94.12 percent of accuracy, respectively, with and without augmentation.
Abstract（参考訳）: 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。養殖場における感染した魚類の同定は、必要なインフラの確保のため、早期発見が困難である。感染した魚をタイムリーに識別することは、病気の拡散を防ぐための義務である。本研究は,サケの養殖が世界最速の食品生産システムであり,市場の70%(250万トン)を占めることから,養殖におけるサケの病気の解明を目指すものである。欠陥のない画像処理と機械学習機構の連携により,様々な病原体によって引き起こされる感染した魚類を同定した。この仕事は2つの部分に分けられる。ルーディメンタリー部では、画像の前処理とセグメンテーションを適用してノイズを低減し、画像を誇張している。第2部では,カーネル機能を持つ機械学習のsvm( support vector machine)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する。最初の部分の処理されたイメージはこの(SVM)モデルを通過した。そこで本研究では,サケ画像データセットを用いて魚の病気を調査する手法と組み合わせた総合実験を行った。我々は、画像拡張の有無に関わらず、この作業を新しいデータセットで伝達した。その結果, 適用したSVMの精度は91.42と94.12%で, 増補および無増補による評価が得られた。

関連論文リスト

FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
論文参考訳（メタデータ） (2024-10-29T21:37:03Z)
FMRFT: Fusion Mamba and DETR for Query Time Sequence Intersection Fish Tracking [3.599033310931609]
本稿では,複雑なマルチシナリオ・スタージョン追跡データセットを確立する。リアルタイムの魚追跡ソリューションであるFMRFTモデルを導入している。このモデルは、ビデオメモリ消費の少ないMamba In Mambaアーキテクチャを取り入れている。
論文参考訳（メタデータ） (2024-09-02T10:33:45Z)
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)
FishNet: Deep Neural Networks for Low-Cost Fish Stock Estimation [0.0]
FishNetは、分類分類と魚の大きさ推定の両方を自動化したコンピュータビジョンシステムである。我々は163種の1.2万魚を含む30万枚の手ラベル画像のデータセットを使用する。魚の区分け作業では92%、単一魚種分類では89%、魚長推定では2.3cmの平均絶対誤差が達成されている。
論文参考訳（メタデータ） (2024-03-16T12:44:08Z)
Computer Vision Methods for Automating Turbot Fish Cutting [117.44028458220427]
本稿では,ターボ魚の検体を切断する自動機械の設計について述べる。マシンビジョンは頭部の境界を検出するために使用され、ロボットは頭部を切断するために使用される。
論文参考訳（メタデータ） (2022-12-20T09:08:00Z)
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)
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)
Early Detection of Fish Diseases by Analyzing Water Quality Using Machine Learning Algorithm [0.0]
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。
論文参考訳（メタデータ） (2021-02-15T18:52:58Z)
Temperate Fish Detection and Classification: a Deep Learning based Approach [6.282069822653608]
本研究では,2段階の深層学習手法を提案する。最初のステップは、種や性別によらず、画像中の各魚を検出することです。第2のステップでは、画像中の各魚を事前フィルタリングせずに分類するために、Squeeze-and-Excitation (SE)アーキテクチャを備えた畳み込みニューラルネットワーク(CNN)を採用する。
論文参考訳（メタデータ） (2020-05-14T12:40:57Z)
Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文参考訳（メタデータ） (2020-04-03T14:07:41Z)
Automatic image-based identification and biomass estimation of invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文参考訳（メタデータ） (2020-02-05T21:38:57Z)

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。