論文の概要: Deep Learning approach for Classifying Trusses and Runners of Strawberries

• arxiv url: http://arxiv.org/abs/2207.02721v1
• Date: Wed, 6 Jul 2022 14:48:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-07 12:51:53.000072
• Title: Deep Learning approach for Classifying Trusses and Runners of Strawberries
• Title（参考訳）: イチゴのトラスとランナーを分類するディープラーニングアプローチ
• Authors: Jakub Pomykala, Francisco de Lemos, Isibor Kennedy Ihianle, David Ada Adama, Pedro Machado
• Abstract要約: 本稿では,イチゴ植物のトラスとランナーの分類にDeep Learningを用いたことを提案する。 提案手法は、データセットを人工的に増強するためにノイズ(ガウス、スペックル、ポアソン、ソルト・アンド・ペッパー)を使用することに基づいている。 その結果, 精度, リコール, F1スコアの平均値を用いて評価した。
• 参考スコア（独自算出の注目度）: 1.6799377888527687
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The use of artificial intelligence in the agricultural sector has been growing at a rapid rate to automate farming activities. Emergent farming technologies focus on mapping and classification of plants, fruits, diseases, and soil types. Although, assisted harvesting and pruning applications using deep learning algorithms are in the early development stages, there is a demand for solutions to automate such processes. This paper proposes the use of Deep Learning for the classification of trusses and runners of strawberry plants using semantic segmentation and dataset augmentation. The proposed approach is based on the use of noises (i.e. Gaussian, Speckle, Poisson and Salt-and-Pepper) to artificially augment the dataset and compensate the low number of data samples and increase the overall classification performance. The results are evaluated using mean average of precision, recall and F1 score. The proposed approach achieved 91\%, 95\% and 92\% on precision, recall and F1 score, respectively, for truss detection using the ResNet101 with dataset augmentation utilising Salt-and-Pepper noise; and 83\%, 53\% and 65\% on precision, recall and F1 score, respectively, for truss detection using the ResNet50 with dataset augmentation utilising Poisson noise.
• Abstract（参考訳）: 農業分野における人工知能の利用は、農業活動を自動化するために急速に増加している。 創発的な農業技術は、植物、果物、病気、土壌型のマッピングと分類に焦点を当てている。 ディープラーニングアルゴリズムを用いた収穫・刈取支援アプリケーションの開発は初期段階にあるが,そのようなプロセスを自動化するソリューションが求められている。 本稿では, セマンティックセグメンテーションとデータセット拡張を用いたイチゴのトラスとランニングの分類にDeep Learningを用いたことを提案する。 提案手法はノイズ(gaussian、speckle、poisson、salt-and-pepper)を用いてデータセットを人工的に拡張し、少ないデータサンプル数を補償し、全体的な分類性能を向上させる。 結果は,平均精度,リコール,F1スコアを用いて評価した。 提案手法は,Salt-and-Pepperノイズを用いたResNet101を用いたトラス検出において,精度91\%,95\%,F1スコアで92\%,精度83\%,53\%,F1スコアで83\%,およびPoissonノイズを利用したResNet50を用いたトラス検出においてそれぞれ達成した。

関連論文リスト

• Dynamic Data Pruning for Automatic Speech Recognition [58.95758272440217]
  ASR(DDP-ASR)のダイナミック・データ・プルーニング(Dynamic Data Pruning for ASR)を導入し,音声関連データセットに特化して微細なプルーニングの粒度を提供する。 実験の結果,DDP-ASRは最大1.6倍のトレーニング時間を節約できることがわかった。
  論文  参考訳（メタデータ） (2024-06-26T14:17:36Z)
• A Meta-Learning Approach to Predicting Performance and Data Requirements [163.4412093478316]
  本稿では,モデルが目標性能に達するために必要なサンプル数を推定する手法を提案する。 モデル性能を推定するデファクト原理であるパワー法則が,小さなデータセットを使用する場合の誤差が大きいことが判明した。 本稿では,2つのデータを異なる方法で処理するPPL法について紹介する。
  論文  参考訳（メタデータ） (2023-03-02T21:48:22Z)
• Exploring the Value of Pre-trained Language Models for Clinical Named Entity Recognition [6.917786124918387]
  我々は、スクラッチからトレーニングされたTransformerモデルと、細調整されたBERTベースのLLMを比較した。 文脈学習を促進するために,追加のCRF層がそのようなモデルに与える影響を検討する。
  論文  参考訳（メタデータ） (2022-10-23T16:27:31Z)
• Comparing Machine Learning Techniques for Alfalfa Biomass Yield Prediction [0.8808021343665321]
  アルファルファの作物は 家畜の餌として 世界的に重要で 効率的な植え付けと収穫は 多くの産業に役立ちます 機械学習を用いてアルファルファやその他の作物の収量を予測する最近の研究は、有望であることが示されている。 これまでの取り組みでは、リモートセンシング、天気、植林、土壌データを使用して、収量予測のための機械学習モデルをトレーニングしていた。
  論文  参考訳（メタデータ） (2022-10-20T13:00:33Z)
• Patients' Severity States Classification based on Electronic Health Record (EHR) Data using Multiple Machine Learning and Deep Learning Approaches [0.8312466807725921]
  本研究は、患者の電子的健康記録に基づいて重症度を分類する試験である。 提案手法では,オープンソースのプラットフォームから収集したEHRデータセットを用いて重度を分類する。
  論文  参考訳（メタデータ） (2022-09-29T16:14:02Z)
• Transformers Can Do Bayesian Inference [56.99390658880008]
  我々はPFN(Presideed Data Fitted Networks)を提案する。 PFNは、大規模機械学習技術におけるインコンテキスト学習を活用して、大規模な後部集合を近似する。 我々は、PFNがガウス過程をほぼ完璧に模倣し、難解問題に対する効率的なベイズ推定を可能にすることを示した。
  論文  参考訳（メタデータ） (2021-12-20T13:07:39Z)
• A CNN Approach to Simultaneously Count Plants and Detect Plantation-Rows from UAV Imagery [56.10033255997329]
  畳み込みニューラルネットワーク(CNN)を用いた新しい深層学習手法を提案する。 高度に乾燥したプランテーション構成を考慮した植物を数えながら、同時にプランテーション・ロウを検出し、配置する。 提案手法は、異なる種類の作物のUAV画像において、植物と植物をカウントおよびジオロケートするための最先端の性能を達成した。
  論文  参考訳（メタデータ） (2020-12-31T18:51:17Z)
• Convolutional Neural Network for Elderly Wandering Prediction in Indoor Scenarios [0.0]
  本研究は,非侵入型屋内センサから収集したパスデータからアルツハイマー病患者の迷走行動を検出する方法を提案する。 十分なデータがないために、独自のアプリケーションを使用して220のパスのデータセットを手動で生成しました。 文学におけるわくわくするパターンは、通常、視覚的特徴(ループやランダムな動きなど)によって識別される
  論文  参考訳（メタデータ） (2020-12-23T21:27:37Z)
• Uncertainty-aware Self-training for Text Classification with Few Labels [54.13279574908808]
  本研究は,アノテーションのボトルネックを軽減するための半教師あり学習手法の1つとして,自己学習について研究する。 本稿では,基礎となるニューラルネットワークの不確実性推定を取り入れて,自己学習を改善する手法を提案する。 本手法では,クラス毎に20～30個のラベル付きサンプルをトレーニングに利用し,完全教師付き事前学習言語モデルの3%以内で検証を行う。
  論文  参考訳（メタデータ） (2020-06-27T08:13:58Z)
• Ensemble Wrapper Subsampling for Deep Modulation Classification [70.91089216571035]
  受信した無線信号のサブサンプリングは、ハードウェア要件と信号処理アルゴリズムの計算コストを緩和するために重要である。 本稿では,無線通信システムにおけるディープラーニングを用いた自動変調分類のためのサブサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2020-05-10T06:11:13Z)

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。