論文の概要: An Effective Scheme for Maize Disease Recognition based on Deep Networks
- arxiv url: http://arxiv.org/abs/2205.04234v1
- Date: Mon, 9 May 2022 12:37:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-10 14:41:59.122793
- Title: An Effective Scheme for Maize Disease Recognition based on Deep Networks
- Title(参考訳): ディープネットワークに基づく疾患認識のための効果的なスキーム
- Authors: Saeedeh Osouli, Behrouz Bolourian Haghighi, Ehsan Sadrossadat
- Abstract要約: 植物の病気は食品の安全性に影響を与え、農産物の品質と量を大幅に減少させる。
病気の正確かつタイムリーな診断には多くの課題がある。
本研究は、上記の課題を克服するために、ディープニューラルネットワークに基づく新しいスキームを提案する。
- 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: In the last decades, the area under cultivation of maize products has
increased because of its essential role in the food cycle for humans,
livestock, and poultry. Moreover, the diseases of plants impact food safety and
can significantly reduce both the quality and quantity of agricultural
products. There are many challenges to accurate and timely diagnosis of the
disease. This research presents a novel scheme based on a deep neural network
to overcome the mentioned challenges. Due to the limited number of data, the
transfer learning technique is employed with the help of two well-known
architectures. In this way, a new effective model is adopted by a combination
of pre-trained MobileNetV2 and Inception Networks due to their effective
performance on object detection problems. The convolution layers of MoblieNetV2
and Inception modules are parallelly arranged as earlier layers to extract
crucial features. In addition, the imbalance problem of classes has been solved
by an augmentation strategy. The proposed scheme has a superior performance
compared to other state-of-the-art models published in recent years. The
accuracy of the model reaches 97%, approximately. In summary, experimental
results prove the method's validity and significant performance in diagnosing
disease in plant leaves.
- Abstract(参考訳): 過去数十年間、トウモロコシ製品の栽培地域は、人間、家畜、鶏肉の食物循環において重要な役割を担っているため、増加した。
さらに、植物の病気は食品の安全性に影響を与え、農作物の品質と量を大幅に減らすことができる。
病気の正確かつタイムリーな診断には多くの課題がある。
本研究では,前述の課題を克服する深層ニューラルネットワークに基づく新しい手法を提案する。
データが少ないため、転送学習技術は2つのよく知られたアーキテクチャの助けを借りて用いられる。
このようにして,事前学習されたmobilenetv2とインセプションネットワークを組み合わせることで,オブジェクト検出問題に対する効果的な性能が向上する。
moblienetv2とinceptionモジュールの畳み込み層は、重要な特徴を抽出するために、以前の層として並列に配置される。
また,クラスの不均衡問題は拡張戦略によって解決されている。
提案手法は近年発表された他の最先端モデルと比較して優れた性能を有する。
モデルの精度は約97%である。
その結果, 植物葉の疾患診断における有用性と有意な有用性が証明された。
関連論文リスト
- A Channel Attention-Driven Hybrid CNN Framework for Paddy Leaf Disease Detection [0.0]
作物の損失を回避し、栽培を改善するため、農業において早期かつ正確な病原体同定が重要である。
チャネルアテンション機構とSwish ReLUアクティベーション機能を備えた新しいハイブリッドディープラーニング(DL)分類器を提案する。
我々のモデルは99.76%のF1スコアと99.74%の精度を達成し、既存のモデルの性能を上回った。
論文 参考訳(メタデータ) (2024-07-16T14:17:26Z) - Enhancing Plant Disease Detection: A Novel CNN-Based Approach with Tensor Subspace Learning and HOWSVD-MD [3.285994579445155]
本稿では,トマト葉病の検出・分類のための最先端技術を紹介する。
本稿では,高次白色特異値分解(Higher-Order Whitened Singular Value Decomposition)と呼ばれる部分空間学習領域における高度なアプローチを提案する。
このイノベーティブな手法の有効性は、2つの異なるデータセットに関する包括的な実験を通じて厳密に検証された。
論文 参考訳(メタデータ) (2024-05-30T13:46:56Z) - NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
自己申告法はしばしば不正確であり、重大な偏見に悩まされる。
近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。
本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
論文 参考訳(メタデータ) (2024-05-13T14:56:55Z) - Potato Leaf Disease Classification using Deep Learning: A Convolutional
Neural Network Approach [0.0]
コンボリューショナルニューラルネットワーク(CNN)は、ジャガイモの葉の病気を分類するために用いられる。
CNNモデルは、全体的な精度99.1%であり、2種類のジャガイモの葉の病気を同定するのに非常に正確である。
論文 参考訳(メタデータ) (2023-11-04T07:16:37Z) - An Efficient Transfer Learning-based Approach for Apple Leaf Disease
Classification [0.0]
本研究では, 移行学習に基づくリンゴ葉病の同定手法を提案する。
提案したパイプラインの能力は、公開されているPlanetVillageのデータセットから、リンゴの葉病サブセットに基づいて評価されている。
論文 参考訳(メタデータ) (2023-04-10T08:48:36Z) - Drug Synergistic Combinations Predictions via Large-Scale Pre-Training
and Graph Structure Learning [82.93806087715507]
薬物併用療法は、より有効で安全性の低い疾患治療のための確立された戦略である。
ディープラーニングモデルは、シナジスティックな組み合わせを発見する効率的な方法として登場した。
我々のフレームワークは、他のディープラーニングベースの手法と比較して最先端の結果を達成する。
論文 参考訳(メタデータ) (2023-01-14T15:07:43Z) - Explainable vision transformer enabled convolutional neural network for
plant disease identification: PlantXViT [11.623005206620498]
植物病は世界の作物の損失の主な原因であり、世界経済に影響を及ぼす。
本研究では、植物病の同定のために、ビジョントランスフォーマーにより「PlantXViT」と呼ばれる畳み込みニューラルネットワークモデルが提案される。
提案したモデルは、わずか0.8万のトレーニング可能なパラメータを持つ軽量な構造であり、IoTベースのスマート農業サービスに適している。
論文 参考訳(メタデータ) (2022-07-16T12:05:06Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳(メタデータ) (2020-12-06T18:55:07Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳(メタデータ) (2020-09-02T02:50:30Z) - Towards Efficient Processing and Learning with Spikes: New Approaches
for Multi-Spike Learning [59.249322621035056]
各種タスクにおける他のベースラインよりも優れた性能を示すための2つの新しいマルチスパイク学習ルールを提案する。
特徴検出タスクでは、教師なしSTDPの能力と、その制限を提示する能力を再検討する。
提案した学習ルールは,特定の制約を適用せずに,幅広い条件で確実にタスクを解くことができる。
論文 参考訳(メタデータ) (2020-05-02T06:41:20Z) - Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant
Disease Diagnosis [64.82680813427054]
植物病は食料安全保障と作物生産に対する主要な脅威の1つである。
1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。
本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2020-03-17T09:51:30Z)
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。