論文の概要: Detection of Late Blight Disease in Tomato Leaf Using Image Processing Techniques

• arxiv url: http://arxiv.org/abs/2306.06080v1
• Date: Wed, 31 May 2023 06:16:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-18 13:01:49.614773
• Title: Detection of Late Blight Disease in Tomato Leaf Using Image Processing Techniques
• Title（参考訳）: 画像処理によるトマト葉の遅発病の検出
• Authors: Muhammad Shoaib Farooq, Tabir Arif, Shamyla Riaz
• Abstract要約: ラトブライトは世界で最も一般的なトマト病であり、しばしばトマト作物の生産を著しく減少させる。 農作物としてのトマトの重要性は、遅芽の早期発見を必要とする。 画像セグメンテーションとマルチクラスSVM技術を用いて、この研究で遅発性障害が発見される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: =One of the most frequently farmed crops is the tomato crop. Late blight is the most prevalent tomato disease in the world, and often causes a significant reduction in the production of tomato crops. The importance of tomatoes as an agricultural product necessitates early detection of late blight. It is produced by the fungus Phytophthora. The earliest signs of late blight on tomatoes are unevenly formed, water-soaked lesions on the leaves located on the plant canopy's younger leave White cottony growth may appear in humid environments evident on the undersides of the leaves that have been impacted. Lesions increase as the disease proceeds, turning the leaves brown to shrivel up and die. Using picture segmentation and the Multi-class SVM technique, late blight disorder is discovered in this work. Image segmentation is employed for separating damaged areas on leaves, and the Multi-class SVM method is used for reliable disease categorization. 30 reputable studies were chosen from a total of 2770 recognized papers. The primary goal of this study is to compile cutting-edge research that identifies current research trends, problems, and prospects for late blight detection. It also looks at current approaches for applying image processing to diagnose and detect late blight. A suggested taxonomy for late blight detection has also been provided. In the same way, a model for the development of the solutions to problems is also presented. Finally, the research gaps have been presented in terms of open issues for the provision of future directions in image processing for the researchers.
• Abstract（参考訳）: =最もよく栽培される作物の1つはトマトである。 ラトブライトは世界で最も一般的なトマト病であり、しばしばトマトの生産量を大幅に減少させる。 農作物としてのトマトの重要性は、遅芽の早期発見を必要とする。 真菌Phytophthoraによって生産される。 トマトの遅芽の初期の兆候は不均一に形成されており、植物園の若い葉の葉に水に浸された病変は、影響された葉の下面に明らかな湿潤な環境に現れる可能性がある。 病変は病気が進行するにつれて増大し、葉は茶色くなり、収縮して死ぬ。 画像セグメンテーションとマルチクラスSVM技術を用いて、この研究で遅発性障害が発見される。 葉の損傷部位の分離には画像セグメンテーションを用い, 信頼性の高い疾患分類にはマルチクラスSVM法を用いる。 合計2770の認定論文から30の研究が選ばれた。 本研究の主な目的は、最新の研究動向、課題、遅発光検出の展望を識別する最先端の研究をまとめることである。 また、夜明けの診断と検出に画像処理を適用する現在のアプローチにも目を向けている。 遅発性検出のための分類法も提案されている。 同様に、問題に対する解決策の開発のためのモデルも提示されている。 最後に,画像処理の今後の方向性について,オープンな課題として研究ギャップが提示されている。

関連論文リスト

• A Novel Feature Extraction Model for the Detection of Plant Disease from Leaf Images in Low Computational Devices [2.1990652930491854]
  提案手法は,葉のイメージから頑健で識別可能な特徴を抽出するために,様々なタイプのディープラーニング技術を統合する。 このデータセットには、10種類のトマト病と1種類の健康な葉から1万枚の葉の写真が含まれています。 AlexNetの精度スコアは87%で、高速で軽量であり、組み込みシステムでの使用に適している。
  論文  参考訳（メタデータ） (2024-10-01T19:32:45Z)
• Optimizing Resource Consumption in Diffusion Models through Hallucination Early Detection [87.22082662250999]
  拡散過程の開始時に不正確な世代を迅速に検出する新しいパラダイムであるHEaD(Hallucination Early Detection)を導入する。 HEaDは計算資源を節約し,生成過程を高速化して完全な画像を得ることを示す。 その結果,HEaDは2つのオブジェクトのシナリオで生成時間の最大12%を節約できることがわかった。
  論文  参考訳（メタデータ） (2024-09-16T18:00:00Z)
• Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
  今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。 時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
  論文  参考訳（メタデータ） (2024-05-14T17:15:28Z)
• Early and Accurate Detection of Tomato Leaf Diseases Using TomFormer [0.3169023552218211]
  本稿ではトマト葉病検出のためのトランスフォーマーモデルTomFormerを紹介する。 本稿では,視覚変換器と畳み込みニューラルネットワークを組み合わせた融合モデルを用いて,トマト葉病の検出手法を提案する。
  論文  参考訳（メタデータ） (2023-12-26T20:47:23Z)
• Unified View of Damage leaves Planimetry & Analysis Using Digital Images Processing Techniques [0.0]
  本稿では,画像処理技術を用いて植物葉病の同定を試みる。 本研究はキツネ葉カンカー病の検出に焦点をあてる。
  論文  参考訳（メタデータ） (2023-06-29T07:15:45Z)
• Early Detection of Late Blight Tomato Disease using Histogram Oriented Gradient based Support Vector Machine [2.3210922904864955]
  本研究は,トマトの遅発性病を早期に検出するための新しいスマート技術を提案する。 提案したSVMとHOGのハイブリッドアルゴリズムは,トマトの遅発性病の早期発見に有意な可能性を秘めている。
  論文  参考訳（メタデータ） (2023-06-14T07:58:14Z)
• 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)
• Digital staining in optical microscopy using deep learning -- a review [47.86254766044832]
  デジタル染色は、光学的コントラストから実際の染色の確立された生化学的コントラストへの翻訳に近代的な深層学習を利用するための有望な概念として登場した。 この分野の現状を詳細に分析し、優れた実践方法を提案し、落とし穴と課題を特定し、将来の実装やアプリケーションに向けた将来的な進歩を仮定する。
  論文  参考訳（メタデータ） (2023-03-14T15:23:48Z)
• 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)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)
• 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)

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。