論文の概要: Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug
- arxiv url: http://arxiv.org/abs/2301.08252v1
- Date: Thu, 19 Jan 2023 11:37:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-23 14:25:43.331331
- Title: Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug
- Title(参考訳): 侵入性褐色斑点虫の観察における近赤外ハイパースペクトルイメージングの可能性評価
- Authors: Veronica Ferrari, Rosalba Calvini, Bas Boom, Camilla Menozzi, Aravind
Krishnaswamy Rangarajan, Lara Maistrello, Peter Offermans, Alessandro Ulrici
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 53.682955739083056
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The brown marmorated stink bug (BMSB), Halyomorpha halys, is an invasive
insect pest of global importance that damages several crops, compromising
agri-food production. Field monitoring procedures are fundamental to perform
risk assessment operations, in order to promptly face crop infestations and
avoid economical losses. To improve pest management, spectral cameras mounted
on Unmanned Aerial Vehicles (UAVs) and other Internet of Things (IoT) devices,
such as smart traps or unmanned ground vehicles, could be used as an innovative
technology allowing fast, efficient and real-time monitoring of insect
infestations. The present study consists in a preliminary evaluation at the
laboratory level of Near Infrared Hyperspectral Imaging (NIR-HSI) as a possible
technology to detect BMSB specimens on different vegetal backgrounds,
overcoming the problem of BMSB mimicry. Hyperspectral images of BMSB were
acquired in the 980-1660 nm range, considering different vegetal backgrounds
selected to mimic a real field application scene. Classification models were
obtained following two different chemometric approaches. The first approach was
focused on modelling spectral information and selecting relevant spectral
regions for discrimination by means of sparse-based variable selection coupled
with Soft Partial Least Squares Discriminant Analysis (s-Soft PLS-DA)
classification algorithm. The second approach was based on modelling spatial
and spectral features contained in the hyperspectral images using Convolutional
Neural Networks (CNN). Finally, to further improve BMSB detection ability, the
two strategies were merged, considering only the spectral regions selected by
s-Soft PLS-DA for CNN modelling.
- Abstract(参考訳): ブラウン・マーモーテッド・スフィンク・バグ(英: brown marmorated stink bug, BMSB)は、数種の作物を害し、アグリフードの生産を阻害する、世界的重要性の侵入性昆虫害虫である。
畑のモニタリングは、作物の感染や経済的損失を迅速に回避するために、リスクアセスメントを行うための基本的な手順である。
害虫管理を改善するため、無人航空機(UAV)やスマートトラップや無人地上車両などのIoTデバイスに搭載されたスペクトルカメラは、昆虫の寄生を高速かつ効率的にリアルタイムに監視できる革新的な技術として使用できる。
本研究は,BMSB検体を異なる植物背景から検出する技術として,NIR-HSI(Near Infrared Hyperspectral Imaging)実験室レベルでの予備評価を行い,BMSB検体を克服した。
BMSBのハイパースペクトル画像は980-1660nmの範囲で取得され、実地アプリケーションシーンを模倣するために選択された異なる植物背景を考慮した。
分類モデルは2つの異なるケモメトリックアプローチで得られた。
第1のアプローチは、スペクトル情報のモデル化と、ソフト部分最小方形判別分析(s-Soft PLS-DA)分類アルゴリズムと組み合わせたスパースに基づく変数選択による識別のための関連するスペクトル領域の選択に焦点を当てた。
第2のアプローチは、畳み込みニューラルネットワーク(CNN)を用いたハイパースペクトル画像に含まれる空間的・スペクトル的特徴のモデル化に基づく。
最後に, s-Soft PLS-DAにより選択されたスペクトル領域のみを考慮したBMSB検出能力を更に向上させるため, 2つの戦略を融合した。
関連論文リスト
- DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。
画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。
MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳(メタデータ) (2023-12-11T18:38:28Z) - Improving FHB Screening in Wheat Breeding Using an Efficient Transformer
Model [0.0]
フサリウム・ヘッド・ブライト(Fusarium head blight)は、小さな穀物に毎年重大な経済的損失をもたらす壊滅的な病気である。
FHBの早期検出のために,教師付き機械学習アルゴリズムを用いて画像処理技術を開発した。
変圧器モデルにU-Netネットワークの局所表現機能を統合するために,新しいContext Bridgeを提案する。
論文 参考訳(メタデータ) (2023-08-07T15:44:58Z) - Diffusion Models for Counterfactual Generation and Anomaly Detection in
Brain Images [59.85702949046042]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
本手法が正常なサンプルに適用された場合,入力画像は大幅な修正を伴わずに再構成されることを確認した。
論文 参考訳(メタデータ) (2023-08-03T21:56:50Z) - Spectral Analysis of Marine Debris in Simulated and Observed
Sentinel-2/MSI Images using Unsupervised Classification [0.0]
本研究では,Sentinel-2ミッションのMultispectral Instrument(MSI)と機械学習アルゴリズムを組み合わせたRTMシミュレーションデータを用いた。
その結果, 汚染物質のスペクトル挙動は, ポリマーの種類や画素被覆率などの影響を受けていることがわかった。
これらの知見は、海洋プラスチック汚染を検知するためのリモートセンシングアプリケーションにおける将来の研究を導くことができる。
論文 参考訳(メタデータ) (2023-06-26T18:46:47Z) - One-Class SVM on siamese neural network latent space for Unsupervised
Anomaly Detection on brain MRI White Matter Hyperintensities [0.0]
本稿では,シャムパッチを用いた自動エンコーダによって構築された潜在空間に基づく教師なし異常検出(UAD)手法を提案する。
これまでに報告された2つの最先端手法と同等の性能を示す。
論文 参考訳(メタデータ) (2023-04-17T08:19:23Z) - From WSI-level to Patch-level: Structure Prior Guided Binuclear Cell
Fine-grained Detection [8.810499770542553]
バイ核細胞(BC)の検出は、白血病やその他の悪性腫瘍のリスクを予測する上で重要な役割を担っている。
深層学習に基づくBC以前の構造にインスパイアされた2段階検出手法を提案する。
粗い検出ネットワークは、細胞検出のための円形境界ボックスと、核検出のための中心キーポイントに基づくマルチタスク検出フレームワークである。
論文 参考訳(メタデータ) (2022-08-26T12:32:05Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳(メタデータ) (2022-02-27T02:19:09Z) - 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) - 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。