論文の概要: Paddy Leaf diseases identification on Infrared Images based on Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2208.00031v1
• Date: Fri, 29 Jul 2022 18:24:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-02 12:54:29.146966
• Title: Paddy Leaf diseases identification on Infrared Images based on Convolutional Neural Networks
• Title（参考訳）: 畳み込みニューラルネットワークを用いた赤外線画像による水稲葉病の同定
• Authors: Petchiammal A, Briskline Kiruba S, D. Murugan
• Abstract要約: 本稿では、モデルに基づく畳み込みニューラルネットワーク(CNN)を実装し、636個の赤外線画像サンプルからなる公開データセットをテストする。 提案モデルでは5種類の水田病を同定し分類し,88.28%の精度を達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Agriculture is the mainstay of human society because it is an essential need for every organism. Paddy cultivation is very significant so far as humans are concerned, largely in the Asian continent, and it is one of the staple foods. However, plant diseases in agriculture lead to depletion in productivity. Plant diseases are generally caused by pests, insects, and pathogens that decrease productivity to a large scale if not controlled within a particular time. Eventually, one cannot see an increase in paddy yield. Accurate and timely identification of plant diseases can help farmers mitigate losses due to pests and diseases. Recently, deep learning techniques have been used to identify paddy diseases and overcome these problems. This paper implements a convolutional neural network (CNN) based on a model and tests a public dataset consisting of 636 infrared image samples with five paddy disease classes and one healthy class. The proposed model proficiently identified and classified paddy diseases of five different types and achieved an accuracy of 88.28%
• Abstract（参考訳）: 農業は、すべての生物にとって不可欠なため、人間社会の主役である。 水稲栽培は、主にアジア大陸において、人間にとって非常に重要であり、主要な食品の一つである。 しかし、農業における植物病は生産性の低下につながる。 植物病は一般的に害虫、昆虫、病原体によって引き起こされ、特定の時間内に制御されない場合、生産性を大規模に低下させる。 最終的に水田収量の増加を見ることはできない。 植物病の正確かつタイムリーな同定は、農家が害虫や病気による損失を軽減するのに役立つ。 近年,水田病の診断と克服に深層学習技術が用いられている。 本稿では,モデルに基づく畳み込みニューラルネットワーク(cnn)を実装し,水田病クラス5と健康クラス1の636の赤外線画像サンプルからなる公開データセットをテストした。 提案モデルでは,5種類の水田病の同定と分類を行い,88.28%の精度を達成した。

関連論文リスト

• Benchmarking In-the-wild Multimodal Disease Recognition and A Versatile Baseline [42.49727243388804]
  そこで本研究では,植物病原体認識データセットを提案する。 病気のクラスが最も多いだけでなく、各疾患に関するテキストベースの記述も含んでいる。 提案したデータセットは,実世界の疾患認識手法を評価するための理想的なテストベッドとみなすことができる。
  論文  参考訳（メタデータ） (2024-08-06T11:49:13Z)
• Artificial Immune System of Secure Face Recognition Against Adversarial Attacks [67.31542713498627]
  昆虫生産には 最大限の可能性を実現するために 最適化が必要です これは選択的育種による興味のある形質の改善が目的である。 このレビューは、様々な分野の知識と、動物の繁殖、定量的遺伝学、進化生物学、昆虫学のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2024-06-26T07:50:58Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Plant Disease Detection using Region-Based Convolutional Neural Network [2.5091819952713057]
  農業はバングラデシュの食料と経済において重要な役割を担っている。 低作物生産の主な原因の1つは、多くの細菌、ウイルス、真菌の植物病である。 本稿では,トマトの葉病予測のための軽量深層学習モデルの構築を目的とする。
  論文  参考訳（メタデータ） (2023-03-16T03:43:10Z)
• An Ensemble of Convolutional Neural Networks to Detect Foliar Diseases in Apple Plants [0.0]
  Apple(アップル)の病気は、早期に診断されなかったとしても、大量の資源が失われ、感染したリンゴを消費する人間や動物に深刻な脅威をもたらす可能性がある。 Xception, InceptionResNet および MobileNet アーキテクチャのアンサンブルシステムを提案する。 このシステムは、マルチクラスとマルチラベルの分類において卓越した成果を上げており、大きなリンゴのプランテーションをリアルタイムで監視するために使用することができる。
  論文  参考訳（メタデータ） (2022-10-01T15:40:04Z)
• Paddy Doctor: A Visual Image Dataset for Paddy Disease Classification [0.0]
  パディドクター(Paddy Doctor)は、水田病を識別するための画像データセットである。 本データセットは10クラス(9つの疾患と正常な葉)に13,876点の注釈付き水田葉画像を含む。 我々は、畳み込みニューラルネットワーク(CNN)とVGG16とMobileNetの2つの移行学習アプローチを用いて、パディドクターをベンチマークした。
  論文  参考訳（メタデータ） (2022-05-23T07:57:40Z)
• Intestinal Parasites Classification Using Deep Belief Networks [53.20999552522241]
  40億ドルの人々が腸内寄生虫に感染している。 人間の視覚検査はまだ臨床診断の大部分を担当している。 腸内寄生虫自動分類の文脈に深層信念ネットワークを導入する。
  論文  参考訳（メタデータ） (2021-01-17T18:47:02Z)
• Improved Neural Network based Plant Diseases Identification [0.0]
  農業部門は、多くの人々や食料に基本的な収入を提供するため、すべての国にとって必須であり、この惑星で生き残るための基本的な要件である。 植物病の知識が不十分なため、農家は肥料を過剰に使用し、最終的に食物の品質を低下させる。 現段階では、画像処理は植物の葉の病変領域を識別し、カタログ化するために用いられる。
  論文  参考訳（メタデータ） (2021-01-01T11:49:56Z)
• One-Shot Learning with Triplet Loss for Vegetation Classification Tasks [45.82374977939355]
  三重項損失関数は、ワンショット学習タスクの精度を大幅に向上できる選択肢の1つである。 2015年からは、多くのプロジェクトがシームズネットワークとこの種の損失を顔認識とオブジェクト分類に利用している。
  論文  参考訳（メタデータ） (2020-12-14T10:44:22Z)
• A Multi-Plant Disease Diagnosis Method using Convolutional Neural Network [0.0]
  本章では,複数植物の診断を併用した最適な植物病原体同定モデルについて検討する。 我々は多くの一般的な畳み込みニューラルネットワーク(CNN)アーキテクチャを実装している。 Xception と DenseNet アーキテクチャは,マルチラベル植物病の分類タスクにおいて,より優れた性能を示した。
  論文  参考訳（メタデータ） (2020-11-10T15:18:52Z)
• Agriculture-Vision: A Large Aerial Image Database for Agricultural Pattern Analysis [110.30849704592592]
  本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。 各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。 農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
  論文  参考訳（メタデータ） (2020-01-05T20:19:33Z)

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。