論文の概要: Early Detection of Bark Beetle Attack Using Remote Sensing and Machine Learning: A Review

• arxiv url: http://arxiv.org/abs/2210.03829v1
• Date: Fri, 7 Oct 2022 21:49:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-11 14:22:32.929368
• Title: Early Detection of Bark Beetle Attack Using Remote Sensing and Machine Learning: A Review
• Title（参考訳）: リモートセンシングと機械学習によるバークビートル攻撃の早期検出
• Authors: Seyed Mojtaba Marvasti-Zadeh, Devin Goodsman, Nilanjan Ray, Nadir Erbilgin
• Abstract要約: マルハナバチの寄生虫の正確な検出は、さらなる被害を軽減し、積極的森林管理活動を発展させ、経済的損失を最小限に抑えるために重要である。 本報告では,3つの重要な視点から,カブトムシによる樹木の枯死の早期発見における過去および現在の動向を概観する。 我々は最近の文献を,バークビートル種と攻撃フェーズ,ホストツリー,研究領域,画像プラットフォームとセンサ,スペクトル/空間/時間分解能,スペクトルシグネチャ,スペクトル植生指標(SVI),MLアプローチ,学習スキーム,タスクカテゴリ,モデル,アルゴリズム,クラス/クラスタ,機能,DLネットワークとアーキテクチャに基づいて解析する。
• 参考スコア（独自算出の注目度）: 7.682800716763564
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bark beetle outbreaks can result in a devastating impact on forest ecosystem processes, biodiversity, forest structure and function, and economies. Accurate and timely detection of bark beetle infestations is crucial to mitigate further damage, develop proactive forest management activities, and minimize economic losses. Incorporating remote sensing (RS) data with machine learning (ML) (or deep learning (DL)) can provide a great alternative to the current approaches that rely on aerial surveys and field surveys, which are impractical over vast geographical regions. This paper provides a comprehensive review of past and current advances in the early detection of bark beetle-induced tree mortality from three key perspectives: bark beetle & host interactions, RS, and ML/DL. We parse recent literature according to bark beetle species & attack phases, host trees, study regions, imagery platforms & sensors, spectral/spatial/temporal resolutions, spectral signatures, spectral vegetation indices (SVIs), ML approaches, learning schemes, task categories, models, algorithms, classes/clusters, features, and DL networks & architectures. This review focuses on challenging early detection, discussing current challenges and potential solutions. Our literature survey suggests that the performance of current ML methods is limited (less than 80%) and depends on various factors, including imagery sensors & resolutions, acquisition dates, and employed features & algorithms/networks. A more promising result from DL networks and then the random forest (RF) algorithm highlighted the potential to detect subtle changes in visible, thermal, and short-wave infrared (SWIR) spectral regions.
• Abstract（参考訳）: バークビークルの発生は森林生態系のプロセス、生物多様性、森林構造と機能、経済に壊滅的な影響を及ぼす可能性がある。 樹皮甲虫の感染を正確かつタイムリーに検出することは、さらなる被害の軽減、森林管理活動の活発化、経済的損失の最小化に不可欠である。 リモートセンシング(RS)データを機械学習(ML)またはディープラーニング(DL)に組み込むことは、広大な地理的領域で非現実的である航空調査やフィールドサーベイに依存する現在のアプローチの優れた代替となる。 本稿では, 樹皮甲虫と宿主間相互作用, rs, ml/dlの3つの視点から, 樹皮甲虫による樹死の早期検出における過去と現在の進歩を包括的に概観する。 我々は,最近の文献を,カブトムシ類と攻撃相,宿主木,研究領域,画像プラットフォームとセンサ,スペクトル/空間/時間分解能,スペクトルシグネチャ,スペクトル植生指数(svis),mlアプローチ,学習スキーム,タスクカテゴリ,モデル,アルゴリズム,クラス/クラスタ,特徴,dlネットワークとアーキテクチャに従って解析する。 このレビューは早期発見の挑戦に焦点を当て、現在の課題と潜在的な解決策について議論する。 文献調査では,現在のML手法の性能は80%未満に制限されており,画像センサや解像度,取得日,採用機能やアルゴリズム,ネットワークなど,さまざまな要因に依存している。 DLネットワークとランダムフォレスト(RF)アルゴリズムによるより有望な結果は、可視、熱、短波赤外(SWIR)スペクトル領域の微妙な変化を検出する可能性を強調した。

関連論文リスト

• Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
  アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。 我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。 本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• Benchmarking Reliability of Deep Learning Models for Pathological Gait Classification [2.1548132286330453]
  最近研究者たちは、機械学習アルゴリズムの進歩を活用して、歩行変化の症状を検出することを試みた。 本稿では,翻訳を阻害するギャップを同定するための既存手法について分析する。 我々は,複数の病的歩行のカテゴリを確実に区別できるAMS-GCN (Asynchronous Multi-Stream Graph Convolutional Network) という強力なベースラインを提案する。
  論文  参考訳（メタデータ） (2024-09-20T16:47:45Z)
• From Linguistic Giants to Sensory Maestros: A Survey on Cross-Modal Reasoning with Large Language Models [56.9134620424985]
  クロスモーダル推論(CMR)は、より高度な人工知能システムへの進化における重要な能力として、ますます認識されている。 CMRタスクに取り組むためにLLM(Large Language Models)をデプロイする最近のトレンドは、その有効性を高めるためのアプローチの新たな主流となっている。 本調査では,LLMを用いてCMRで適用された現在の方法論を,詳細な3階層分類に分類する。
  論文  参考訳（メタデータ） (2024-09-19T02:51:54Z)
• Investigating Coverage Criteria in Large Language Models: An In-Depth Study Through Jailbreak Attacks [10.909463767558023]
  本稿では,ニューラルアクティベーション機能を利用して,ジェイルブレイク攻撃をリアルタイムに検出するための革新的なアプローチを提案する。 提案手法は,LLMを組み込んだ将来のシステムにおいて,堅牢なリアルタイム検出機能を実現することを約束する。
  論文  参考訳（メタデータ） (2024-08-27T17:14:21Z)
• Sugarcane Health Monitoring With Satellite Spectroscopy and Machine Learning: A Review [3.006016887654771]
  このレビューは、サトウキビの健康モニタリングと、衛星分光法と機械学習(ML)を用いた病気・害虫検出における、未調査、未調査領域を掘り下げるものである。 関連衛星、植生指標、ML法、サトウキビ反射率に影響を与える要因、最適な成長条件、共通疾患、従来の検出方法など、システム開発の重要事項について論じる。
  論文  参考訳（メタデータ） (2024-02-13T01:12:39Z)
• What to Remember: Self-Adaptive Continual Learning for Audio Deepfake Detection [53.063161380423715]
  既存の検出モデルは、既知のディープフェイク音声を識別することに成功したが、新しい攻撃タイプに遭遇する際には苦労している。 本稿では,Radian Weight Modification (RWM) と呼ばれる連続的な学習手法を提案する。
  論文  参考訳（メタデータ） (2023-12-15T09:52:17Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• Deep Learning meets Liveness Detection: Recent Advancements and Challenges [3.2011056280404637]
  我々は,2017年以降の深部機能的FAS手法に関する文献を包括的に調査している。 本研究では,FASの時系列,進化過程,評価基準について概説する。
  論文  参考訳（メタデータ） (2021-12-29T19:24:58Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• A Novel CropdocNet for Automated Potato Late Blight Disease Detection from the Unmanned Aerial Vehicle-based Hyperspectral Imagery [3.3283767441645478]
  晩発病はジャガイモの作物で最も破壊的な病気の1つであり、世界中で深刻な収量減少につながっている。 作物病の診断における現在の農業慣行は、個人のバイアスを受けるコスト、時間のかかる手動の視覚検査に基づいている。 近年の撮像センサー(RGB、多重スペクトルカメラ、ハイパースペクトルカメラなど)、リモートセンシング、機械学習は、この課題に対処する機会を提供する。
  論文  参考訳（メタデータ） (2021-07-28T11:18:48Z)
• Deep Learning for Anomaly Detection: A Review [150.9270911031327]
  本稿では,3つの高レベルカテゴリと11の細粒度カテゴリの進歩を網羅した包括的分類法による深部異常検出の研究について調査する。 我々は、それらの重要な直観、客観的機能、基礎となる仮定、利点とデメリットをレビューし、上記の課題にどのように対処するかについて議論する。
  論文  参考訳（メタデータ） (2020-07-06T02:21:16Z)

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。