論文の概要: In-field early disease recognition of potato late blight based on deep
learning and proximal hyperspectral imaging
- arxiv url: http://arxiv.org/abs/2111.12155v1
- Date: Tue, 23 Nov 2021 21:12:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-25 14:57:53.765822
- Title: In-field early disease recognition of potato late blight based on deep
learning and proximal hyperspectral imaging
- Title（参考訳）: 深層学習と近位高スペクトル画像によるジャガイモ遅発性早期疾患の診断
- Authors: Chao Qi (1 and 2), Murilo Sandroni (3), Jesper Cairo Westergaard (4),
Ea H{\o}egh Riis Sundmark (5), Merethe Bagge (5), Erik Alexandersson (3),
Junfeng Gao (1 and 6) ((1) Lincoln Agri-Robotics, Lincoln Institute for
Agri-Food Technology, University of Lincoln, Lincoln, UK, (2) College of
Engineering, Nanjing Agricultural University, Nanjing 210031, China, (3)
Department of Plant Protection Biology, Swedish University of Agricultural
Sciences, Alnarp, Sweden, (4) Department of Plant and Environmental Sciences,
University of Copenhagen, Taastrup, Denmark, (5) Danespo Breeding Company,
Give, Denmark, (6) Lincoln Centre for Autonomous System, University of
Lincoln, Lincoln, UK)
- Abstract要約: 本稿では,2次元畳み込みニューラルネットワーク(2D-CNN)と3D-CNNを組み合わせたハイパースペクトル画像のディープラーニング分類アーキテクチャを提案する。
2000画像のテストデータセットの精度は、全バンドで0.739、特定のバンドで0.790に達した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Effective early detection of potato late blight (PLB) is an essential aspect
of potato cultivation. However, it is a challenge to detect late blight at an
early stage in fields with conventional imaging approaches because of the lack
of visual cues displayed at the canopy level. Hyperspectral imaging can,
capture spectral signals from a wide range of wavelengths also outside the
visual wavelengths. In this context, we propose a deep learning classification
architecture for hyperspectral images by combining 2D convolutional neural
network (2D-CNN) and 3D-CNN with deep cooperative attention networks
(PLB-2D-3D-A). First, 2D-CNN and 3D-CNN are used to extract rich spectral space
features, and then the attention mechanism AttentionBlock and SE-ResNet are
used to emphasize the salient features in the feature maps and increase the
generalization ability of the model. The dataset is built with 15,360 images
(64x64x204), cropped from 240 raw images captured in an experimental field with
over 20 potato genotypes. The accuracy in the test dataset of 2000 images
reached 0.739 in the full band and 0.790 in the specific bands (492nm, 519nm,
560nm, 592nm, 717nm and 765nm). This study shows an encouraging result for
early detection of PLB with deep learning and proximal hyperspectral imaging.
- Abstract（参考訳）: ポテトレイトブライト (PLB) の有効早期検出は, ジャガイモ栽培の重要な側面である。
しかし、天蓋レベルでの視覚的手がかりが不足しているため、従来の画像撮影手法では、早期に遅延光を検出することは困難である。
ハイパースペクトルイメージングは、広い波長のスペクトル信号を、視覚波長の外側からも捉えることができる。
本稿では,2次元畳み込みニューラルネットワーク(2D-CNN)と3D-CNNとを協調型注目ネットワーク(PLB-2D-3D-A)を組み合わせたハイパースペクトル画像のディープラーニング分類アーキテクチャを提案する。
まず,2D-CNNと3D-CNNを用いてスペクトル空間の特徴を抽出し,アテンションブロックとSE-ResNetを用いて特徴マップの健全な特徴を強調し,モデルの一般化能力を高める。
データセットは15360枚の画像(64x64x204)で構築され、20種類以上のジャガイモ遺伝子型を持つ実験場で撮影された240枚の生画像から切り抜かれている。
2000画像のテストデータセットの精度は、フルバンドで0.739、特定のバンド(492nm、519nm、560nm、592nm、717nm、765nm)で0.790に達した。
本研究は,深部学習と近位ハイパースペクトラルイメージングを用いたplb早期検出の促進効果を示す。
関連論文リスト
- WATUNet: A Deep Neural Network for Segmentation of Volumetric Sweep
Imaging Ultrasound [1.2903292694072621]
ボリューム・スイープ・イメージング(VSI)は、訓練を受けていないオペレーターが高品質な超音波画像をキャプチャできる革新的な手法である。
本稿ではWavelet_Attention_UNet(WATUNet)と呼ばれる新しいセグメンテーションモデルを提案する。
このモデルでは、簡単な接続ではなく、ウェーブレットゲート(WG)とアテンションゲート(AG)をエンコーダとデコーダの間に組み込んで、上記の制限を克服する。
論文 参考訳（メタデータ） (2023-11-17T20:32:37Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - A Study on Deep CNN Structures for Defect Detection From Laser
Ultrasonic Visualization Testing Images [0.0]
本稿では,LUVT画像における欠陥の自動検出と局所化のためのディープニューラルネットワークを提案する。
SUS304平板の実世界データを用いた数値実験により,提案手法は汎用物体検出モデルよりも有効であることが示された。
論文 参考訳（メタデータ） (2023-05-23T11:16:41Z) - Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。
従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。
これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。
本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-26T14:38:42Z) - Unleash the Potential of Image Branch for Cross-modal 3D Object
Detection [67.94357336206136]
画像分岐のポテンシャルを2つの側面から解き放つことを目的として,新しい3Dオブジェクト検出器UPIDetを提案する。
まず、UPIDetは正規化された局所座標写像推定と呼ばれる新しい2次元補助タスクを導入する。
第2に,イメージブランチのトレーニング目標から逆転する勾配によって,ポイントクラウドバックボーンの表現能力を向上できることを見出した。
論文 参考訳（メタデータ） (2023-01-22T08:26:58Z) - DensePose From WiFi [86.61881052177228]
WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。
本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
論文 参考訳（メタデータ） (2022-12-31T16:48:43Z) - Simultaneous Alignment and Surface Regression Using Hybrid 2D-3D
Networks for 3D Coherent Layer Segmentation of Retina OCT Images [33.99874168018807]
本研究では,ハイブリッド2D-3D畳み込みニューラルネットワーク(CNN)を用いた新しいフレームワークを提案し,OCTから連続した3次元網膜層表面を得る。
本フレームワークは, 層分割精度とクロスBスキャン3D連続性の両方の観点から, 最先端の2D手法よりも優れた結果が得られる。
論文 参考訳（メタデータ） (2022-03-04T15:55:09Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z) - 3D Probabilistic Segmentation and Volumetry from 2D projection images [10.32519161805588]
X線撮影は迅速で安価で、最前線のケアアセスメントや術中リアルタイムイメージングに有用である。
プロジェクティブな情報損失に悩まされており、多くの診断バイオマーカーがベースとなっている重要な情報を欠いている。
本稿では,2次元画像モダリティから3次元容積像を再構成する確率的手法について検討する。
論文 参考訳（メタデータ） (2020-06-23T08:00:51Z) - Volumetric Attention for 3D Medical Image Segmentation and Detection [53.041572035020344]
3次元医用画像のセグメンテーションと検出のためのボリュームアテンション(VA)モジュールを提案する。
VAアテンションはビデオ処理の最近の進歩にインスパイアされ、2.5Dネットワークはz方向のコンテキスト情報を活用することができる。
そのMask R-CNNへの統合は、肝腫瘍(LiTS)チャレンジにおける最先端のパフォーマンスを可能にすることが示されている。
論文 参考訳（メタデータ） (2020-04-04T18:55:06Z) - Volumetric landmark detection with a multi-scale shift equivariant
neural network [16.114319747246334]
本稿では,3次元画像における高速かつメモリ効率の高いランドマーク検出を実現するマルチスケールのエンドツーエンドディープラーニング手法を提案する。
今回我々は,263個のCT上における頸動脈分岐検出法について検討し,平均ユークリッド距離2.81mmで最先端の精度を実現した。
論文 参考訳（メタデータ） (2020-03-03T17:06:19Z)
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。