論文の概要: Leaf Tar Spot Detection Using RGB Images

• arxiv url: http://arxiv.org/abs/2205.00952v1
• Date: Mon, 2 May 2022 14:56:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-03 15:37:26.067446
• Title: Leaf Tar Spot Detection Using RGB Images
• Title（参考訳）: RGB画像を用いたLeaf Tar Spot検出
• Authors: Sriram Baireddy and Da-Young Lee and Carlos Gongora-Canul and Christian D. Cruz and Edward J. Delp
• Abstract要約: タルスポット病(Tar spot disease)は、トウモロコシの葉に黒い丸い斑点が連続して現れる真菌病である。 ディープニューラルネットワークは、十分な基礎的真理で、素早く自動化されたタールスポット検出を提供することができる。 葉面のクローズアップ画像におけるタールスポットの検出には,Mask R-CNNが有効であることを示す。
• 参考スコア（独自算出の注目度）: 16.38252968880992
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tar spot disease is a fungal disease that appears as a series of black circular spots containing spores on corn leaves. Tar spot has proven to be an impactful disease in terms of reducing crop yield. To quantify disease progression, experts usually have to visually phenotype leaves from the plant. This process is very time-consuming and is difficult to incorporate in any high-throughput phenotyping system. Deep neural networks could provide quick, automated tar spot detection with sufficient ground truth. However, manually labeling tar spots in images to serve as ground truth is also tedious and time-consuming. In this paper we first describe an approach that uses automated image analysis tools to generate ground truth images that are then used for training a Mask R-CNN. We show that a Mask R-CNN can be used effectively to detect tar spots in close-up images of leaf surfaces. We additionally show that the Mask R-CNN can also be used for in-field images of whole leaves to capture the number of tar spots and area of the leaf infected by the disease.
• Abstract（参考訳）: タルスポット病(Tar spot disease)は、トウモロコシの葉に胞子を含む一連の黒い丸い斑点として現れる真菌病である。 タースポットは、収穫量を減らすという点で、影響のある病気であることが証明されている。 病気の進行を定量化するために、専門家は通常、植物の葉を視覚的に表現する必要がある。 このプロセスは非常に時間がかかり、高スループット表現型システムに組み込むのは難しい。 ディープニューラルネットワークは、十分な基礎的真理で、素早く自動化されたタールスポット検出を提供することができる。 しかし、イメージにタールスポットを手動でラベル付けして根拠となることも面倒で時間がかかります。 本稿では,まず,自動画像解析ツールを用いて,Mask R-CNNのトレーニングに使用される真実画像を生成する手法について述べる。 葉面のクローズアップ画像におけるタールスポット検出にマスクr-cnnを効果的に使用できることを示す。 また,このマスクr-cnnを用いて全葉のフィールド内画像を用いて,本疾患に感染した葉のタールスポット数と面積を把握できることを示した。

関連論文リスト

• DiffKillR: Killing and Recreating Diffeomorphisms for Cell Annotation in Dense Microscopy Images [105.46086313858062]
  DiffKillRは、アーチェタイプマッチングと画像登録タスクの組み合わせとして、セルアノテーションを再構成する新しいフレームワークである。 我々はDiffKillRの理論的性質について論じ、それを3つの顕微鏡タスクで検証し、既存の教師付き・半教師なし・教師なしの手法に対する利点を実証する。
  論文  参考訳（メタデータ） (2024-10-04T00:38:29Z)
• A Novel Feature Extraction Model for the Detection of Plant Disease from Leaf Images in Low Computational Devices [2.1990652930491854]
  提案手法は,葉のイメージから頑健で識別可能な特徴を抽出するために,様々なタイプのディープラーニング技術を統合する。 このデータセットには、10種類のトマト病と1種類の健康な葉から1万枚の葉の写真が含まれています。 AlexNetの精度スコアは87%で、高速で軽量であり、組み込みシステムでの使用に適している。
  論文  参考訳（メタデータ） (2024-10-01T19:32:45Z)
• A Comprehensive Literature Review on Sweet Orange Leaf Diseases [3.0177210416625115]
  葉の病気はキツネ産業の果実の品質に影響を及ぼす。 葉の早期発見と診断は葉の管理に必要である。 葉病に関する総合的なレビュー研究は, モデルの性能を比較した。
  論文  参考訳（メタデータ） (2023-12-04T09:35:21Z)
• Unified View of Damage leaves Planimetry & Analysis Using Digital Images Processing Techniques [0.0]
  本稿では,画像処理技術を用いて植物葉病の同定を試みる。 本研究はキツネ葉カンカー病の検出に焦点をあてる。
  論文  参考訳（メタデータ） (2023-06-29T07:15:45Z)
• Detection of Late Blight Disease in Tomato Leaf Using Image Processing Techniques [0.0]
  ラトブライトは世界で最も一般的なトマト病であり、しばしばトマト作物の生産を著しく減少させる。 農作物としてのトマトの重要性は、遅芽の早期発見を必要とする。 画像セグメンテーションとマルチクラスSVM技術を用いて、この研究で遅発性障害が発見される。
  論文  参考訳（メタデータ） (2023-05-31T06:16:40Z)
• Cross-modulated Few-shot Image Generation for Colorectal Tissue Classification [58.147396879490124]
  XM-GANと名づけられた少数ショット生成法は,1塩基と1対の参照組織像を入力とし,高品質で多様な画像を生成する。 我々の知る限りでは、大腸組織像の少数ショット生成を最初に調査した人物である。
  論文  参考訳（メタデータ） (2023-04-04T17:50:30Z)
• Apple scab detection in orchards using deep learning on colour and multispectral images [0.0]
  Apple scabは、Venturia inaequalisによって引き起こされる真菌病である。 本稿では,リンゴの症状を正確に同定するための深層学習とハイパースペクトルイメージングの有用性について検討する。
  論文  参考訳（メタデータ） (2023-02-17T11:33:17Z)
• 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)
• CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
  畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。 少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。 本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
  論文  参考訳（メタデータ） (2021-11-16T15:03:42Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)

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。