論文の概要: Prediction of Citrus Diseases Using Machine Learning And Deep Learning:
Classifier, Models SLR
- arxiv url: http://arxiv.org/abs/2306.01816v1
- Date: Fri, 2 Jun 2023 11:35:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-07 00:01:04.372275
- Title: Prediction of Citrus Diseases Using Machine Learning And Deep Learning:
Classifier, Models SLR
- Title(参考訳): 機械学習とディープラーニングによるシトラス病の予測:分類器,モデルSLR
- Authors: Muhammad Shoaib Farooq, Abdullah Mehboob
- Abstract要約: キツネの根、キツネの根、キツネの葉、キツネのオレンジなどの影響が世界中に存在する。
シックネスと定期的なモニタリングは特定のキツネ病の管理に有効であるが、他のものは化学や生物の制御方法のようなより集中的な治療を必要とすることがある。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Citrus diseases have been major issues for citrus growing worldwide for many
years they can lead significantly reduce fruit quality. the most harmful citrus
diseases are citrus canker, citrus greening, citrus black spot, citrus leaf
miner which can have significant economic losses of citrus industry in
worldwide prevention and management strategies like chemical treatments. Citrus
diseases existing in all over the world where citrus is growing its effects the
citrus tree root, citrus tree leaf, citrus tree orange etc. Existing of citrus
diseases is highly impact on economic factor that can also produce low quality
fruits and increased the rate for diseases management. Sanitation and routine
monitoring can be effective in managing certain citrus diseases, but others may
require more intensive treatments like chemical or biological control methods.
- Abstract(参考訳): キツネ病は、世界中のキツネにとって長年にわたり大きな問題であり、果実の品質を著しく低下させる可能性がある。
最も有害なカンキツ病はカンキツ、カンキツ緑化病、カンキツ黒斑病、カンキツ葉鉱業であり、世界的な予防と化学処理のような管理戦略においてカンキツ産業に大きな経済的損失をもたらす可能性がある。
カンキツが成長している世界中に存在するカンキツ病は、カンキツの木の根、カンキツの木の葉、カンキツの木オレンジなどである。
既存のシトラス病は、低品質の果実を生産し、疾患管理の率を高めることができる経済要因に大きな影響を及ぼす。
衛生や定期的なモニタリングは、特定のシトラス病の管理に効果があるが、化学や生物の制御方法のようなより集中的な治療を必要とする場合もある。
関連論文リスト
- Harnessing Large Language Models for Disaster Management: A Survey [57.00123968209682]
大規模言語モデル(LLM)は、その例外的な能力で科学研究に革命をもたらし、様々な分野を変革した。
本研究の目的は,災害対策のための高度LLMの開発における専門家コミュニティの指導であり,自然災害に対するレジリエンスを高めることである。
論文 参考訳(メタデータ) (2025-01-12T21:00:50Z) - The unrealized potential of agroforestry for an emissions-intensive agricultural commodity [48.652015514785546]
機械学習を用いて、西アフリカ地域全体での日陰木カバーと炭素ストックの見積もりを生成します。
既存の陰木カバーは低く、空間的に気候の脅威と一致していないことが判明した。
しかし、このセクターが毎年高い炭素フットプリントのかなりの割合とバランスをとるという、巨大な非現実的な可能性も見出されています。
論文 参考訳(メタデータ) (2024-10-28T10:02:32Z) - Lemon and Orange Disease Classification using CNN-Extracted Features and Machine Learning Classifier [0.0]
この研究は、VGG16、VGG19、ResNet50といった革新的なディープラーニングアーキテクチャを使用している。
疾患分類の初期モデルとして、ランダムフォレスト、ネイブベイズ、K-Nearest Neighbors(KNN)、ロジスティック回帰を用いた。
レモンとオレンジの果物の病気は、モデルによりより正確に分類される(レモンは95.0%、オレンジは99.69%)。
論文 参考訳(メタデータ) (2024-08-26T12:09:38Z) - Agave crop segmentation and maturity classification with deep learning
data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。
実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。
結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
論文 参考訳(メタデータ) (2023-03-21T03:15:29Z) - 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) - 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) - Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests [62.997667081978825]
森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。
監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。
本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
論文 参考訳(メタデータ) (2022-08-23T16:04:12Z) - Combining Supervised and Un-supervised Learning for Automatic Citrus
Segmentation [4.269821426212774]
まずCNNを少数のラベル付きシトラス画像で教師付きで訓練し、各フレームからシトラスの位置を大まかに予測します。
そこで我々は,未ラベルのシトラスの動画からフレーム間の潜在的な動きを事前学習するために,最先端の教師なし学習手法を拡張する。
両ネットワークの利点を生かすために,マルチモーダルトランスフォーマーを用いて,教師なし静的情報と教師なし学習動作情報を組み合わせた。
論文 参考訳(メタデータ) (2021-05-04T15:09:01Z) - Unassisted Noise Reduction of Chemical Reaction Data Sets [59.127921057012564]
本稿では,データセットから化学的に間違ったエントリを除去するための,機械学習に基づく無支援アプローチを提案する。
その結果,クリーン化およびバランスの取れたデータセットでトレーニングしたモデルの予測精度が向上した。
論文 参考訳(メタデータ) (2021-02-02T09:34:34Z) - Weakly Supervised Learning Guided by Activation Mapping Applied to a
Novel Citrus Pest Benchmark [6.239768930024569]
統合害虫管理(Integrated pest Management)は、シトラス作物の害虫や病気による被害を予防・緩和するために最も広く用いられるプロセスである。
我々は、画像に対する関心領域を自動的に選択するために、サリエンシマップによって導かれる弱教師付き学習プロセスを設計する。
2つの大規模データセットで行った実験から,農業分野における害虫の分類と病気の分類の問題に対して,本研究の結果は非常に有望であることが明らかとなった。
論文 参考訳(メタデータ) (2020-04-22T01:26:50Z) - Hyper-spectral NIR and MIR data and optimal wavebands for detection of
apple tree diseases [0.0]
植物病は食料の収量と品質を劇的に低下させる可能性がある。
Apple scab、Moniliasis、Powdery mildewは、世界中でもっとも重要なリンゴの病気です。
本研究では, アップルツリー病の近赤外・中赤外領域のスペクトルデータを解析するための最新の手法を提案する。
論文 参考訳(メタデータ) (2020-04-05T21:51:13Z)
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。