論文の概要: MangoLeafBD: A Comprehensive Image Dataset to Classify Diseased and
Healthy Mango Leaves
- arxiv url: http://arxiv.org/abs/2209.02377v1
- Date: Sat, 27 Aug 2022 16:07:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-11 13:16:29.647372
- Title: MangoLeafBD: A Comprehensive Image Dataset to Classify Diseased and
Healthy Mango Leaves
- Title(参考訳): MangoLeafBD:病気や健康なマンゴーの葉を分類する総合的な画像データセット
- Authors: Sarder Iftekhar Ahmed, Muhammad Ibrahim, Md. Nadim, Md. Mizanur
Rahman, Maria Mehjabin Shejunti, Taskeed Jabid, Md. Sawkat Ali
- Abstract要約: 我々は,マンゴー葉の1番めの標準,使用可能な,公開可能なデータセットを開発した。
データセットには、約1800個の異なる葉の4000枚の画像が含まれており、7つの病気をカバーしている。
このデータセットは、自動農業の分野で機械学習の研究者や実践家から広く注目を集めることが期待されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Agriculture is of one of the few remaining sectors that is yet to receive
proper attention from the machine learning community. The importance of
datasets in the machine learning discipline cannot be overemphasized. The lack
of standard and publicly available datasets related to agriculture impedes
practitioners of this discipline to harness the full benefit of these powerful
computational predictive tools and techniques. To improve this scenario, we
develop, to the best of our knowledge, the first-ever standard, ready-to-use,
and publicly available dataset of mango leaves. The images are collected from
four mango orchards of Bangladesh, one of the top mango-growing countries of
the world. The dataset contains 4000 images of about 1800 distinct leaves
covering seven diseases. Although the dataset is developed using mango leaves
of Bangladesh only, since we deal with diseases that are common across many
countries, this dataset is likely to be applicable to identify mango diseases
in other countries as well, thereby boosting mango yield. This dataset is
expected to draw wide attention from machine learning researchers and
practitioners in the field of automated agriculture.
- Abstract(参考訳): 農業は、まだ機械学習コミュニティから適切な注目を集めていない数少ない分野の1つである。
機械学習分野におけるデータセットの重要性は強調できない。
農業に関連する標準データと公開データセットの欠如は、これらの強力な計算予測ツールとテクニックの利点を最大限に活用するこの分野の実践者を妨げている。
このシナリオを改善するために、私たちは、私たちの知る限り、最初の標準であり、使用可能で、公開されているマンゴーの葉のデータセットを開発します。
画像はバングラデシュの4つのマンゴー果樹園から収集されている。
このデータセットは7つの病気をカバーする約1800の異なる葉の4000枚の画像を含んでいる。
このデータセットはバングラデシュのマンゴー葉のみを用いて開発されているが、多くの国で共通する疾患を扱うため、他の国のマンゴー病の特定にも応用できる可能性が高いため、マンゴー収率を高めることができる。
このデータセットは、自動化農業の分野で機械学習の研究者や実践者から広く注目されるだろう。
関連論文リスト
- Fruit Ripeness Classification: a Survey [59.11160990637616]
食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。
機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。
ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
論文 参考訳(メタデータ) (2022-12-29T19:32:20Z) - The Power of Transfer Learning in Agricultural Applications: AgriNet [1.9087335681007478]
我々は19以上の地理的な場所から160万の農業画像を集めたAgriNetデータセットを提案する。
また、5つのImageNetアーキテクチャ上で事前訓練されたモデルのセットであるAgriNetモデルを紹介します。
提案したすべてのモデルでは、植物種、病気、害虫、雑草の423種を87%の精度で正確に分類することが判明した。
論文 参考訳(メタデータ) (2022-07-08T13:15:16Z) - 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) - Farmer's Assistant: A Machine Learning Based Application for
Agricultural Solutions [0.0]
我々は、これらの問題に対処するため、オープンソースの使いやすいWebアプリケーションを作成し、作物の生産を改善するのに役立ちます。
特に,作物の推薦,肥料の推薦,植物病の予知,対話型ニューズフィードを支持している。
論文 参考訳(メタデータ) (2022-04-24T19:31:10Z) - Jalisco's multiclass land cover analysis and classification using a
novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。
本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。
組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
論文 参考訳(メタデータ) (2022-01-26T14:58:51Z) - Synthetic Data: Opening the data floodgates to enable faster, more
directed development of machine learning methods [96.92041573661407]
機械学習における画期的な進歩の多くは、大量のリッチデータを利用できることに起因する。
多くの大規模データセットは、医療データなど高度に敏感であり、機械学習コミュニティでは広く利用できない。
プライバシー保証で合成データを生成することは、そのようなソリューションを提供します。
論文 参考訳(メタデータ) (2020-12-08T17:26:10Z) - Hidden Footprints: Learning Contextual Walkability from 3D Human Trails [70.01257397390361]
現在のデータセットは、人々がどこにいるか、どこにいるかを教えてくれません。
まず、画像間で人の観察を伝播させ、3D情報を利用して、私たちが「隠れ足跡」と呼ぶものを作成することで、有効なラベル付き歩行可能領域の集合を拡大する。
このようなスパースラベルのために設計されたトレーニング戦略を考案し、クラスバランスの分類損失と文脈逆転損失を組み合わせた。
論文 参考訳(メタデータ) (2020-08-19T23:19:08Z) - A Deep Learning-based Detector for Brown Spot Disease in Passion Fruit
Plant Leaves [0.5485240256788552]
この研究は2つの主要な病気(ウイルス)と茶色の斑点(真菌)に焦点を当てている。
我々はウガンダ国立作物研究所(NaCRRI)と共同で、熱心にラベル付けされた果物の葉と果実のデータセットを開発しました。
論文 参考訳(メタデータ) (2020-07-28T10:17:43Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳(メタデータ) (2020-06-05T02:04:25Z) - The 1st Agriculture-Vision Challenge: Methods and Results [144.57794061346974]
第1回農業ビジョンチャレンジは、航空画像から農業パターン認識のための新しい効果的なアルゴリズムの開発を奨励することを目的としている。
約57の参加チームが、航空農業のセマンティックセグメンテーションの最先端を達成するために競っている。
本報告では,課題における注目すべき手法と成果について概説する。
論文 参考訳(メタデータ) (2020-04-21T05:02:31Z) - Data Warehouse and Decision Support on Integrated Crop Big Data [0.0]
我々は大陸レベルの農業データウェアハウス(ADW)を設計・実装した。
ADWは,(1)フレキシブルスキーマ,(2)農業用マルチデータセットからのデータ統合,(3)データサイエンスとビジネス用インテリジェントサポート,(4)ハイパフォーマンス,(5)高ストレージ,(6)セキュリティ,(7)ガバナンスと監視,(8)一貫性,可用性,パーティション耐性,(9)クラウド互換性によって特徴付けられる。
論文 参考訳(メタデータ) (2020-03-10T00:10:22Z)
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。