論文の概要: Unified View of Damage leaves Planimetry & Analysis Using Digital Images Processing Techniques

• arxiv url: http://arxiv.org/abs/2306.16734v1
• Date: Thu, 29 Jun 2023 07:15:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-30 14:28:13.232696
• Title: Unified View of Damage leaves Planimetry & Analysis Using Digital Images Processing Techniques
• Title（参考訳）: デジタル画像処理技術を用いた損傷葉面計測と解析の統一的展望
• Authors: Pijush Kanti Kumar, DeepKiran Munjal, Sunita Rani, Anurag Dutta, Liton Chandra Voumik and A. Ramamoorthy
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The detection of leaf diseases in plants generally involves visual observation of patterns appearing on the leaf surface. However, there are many diseases that are distinguished based on very subtle changes in these visually observable patterns. This paper attempts to identify plant leaf diseases using image processing techniques. The focus of this study is on the detection of citrus leaf canker disease. Canker is a bacterial infection of leaves. Symptoms of citrus cankers include brown spots on the leaves, often with a watery or oily appearance. The spots (called lesions in botany) are usually yellow. It is surrounded by a halo of the leaves and is found on both the top and bottom of the leaf. This paper describes various methods that have been used to detect citrus leaf canker disease. The methods used are histogram comparison and k-means clustering. Using these methods, citrus canker development was detected based on histograms generated based on leaf patterns. The results thus obtained can be used, after consultation with experts in the field of agriculture, to identify suitable treatments for the processes used.
• Abstract（参考訳）: 植物における葉の病気の検出は一般的に、葉面に現れるパターンを視覚的に観察する。 しかし、これらの視覚的に観察可能なパターンの微妙な変化に基づいて区別される病気は多い。 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当てた。 カンカーは葉の細菌感染である。 キツネの症状には葉に茶色の斑点があり、しばしば水っぽいか油っぽい外観を持つ。 斑点(植物学では病変と呼ばれる)は通常黄色である。 葉のハローに囲まれ、葉の上部と下部の両方に見られる。 本報告では,シトラス葉カンカー病の検出に用いられている様々な方法について述べる。 使用する方法はヒストグラム比較とk平均クラスタリングである。 これらの方法を用いて,葉のパターンに基づくヒストグラムに基づいて,キツネの発達が検出された。 このように得られた結果は、農業分野の専門家との相談を経て、使用するプロセスに適した治療法を特定するために使用できる。

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)
• A Comprehensive Literature Review on Sweet Orange Leaf Diseases [3.0177210416625115]
  葉の病気はキツネ産業の果実の品質に影響を及ぼす。 葉の早期発見と診断は葉の管理に必要である。 葉病に関する総合的なレビュー研究は, モデルの性能を比較した。
  論文  参考訳（メタデータ） (2023-12-04T09:35:21Z)
• Detection of Late Blight Disease in Tomato Leaf Using Image Processing Techniques [0.0]
  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。
  論文  参考訳（メタデータ） (2023-05-31T06:16:40Z)
• Cross-modulated Few-shot Image Generation for Colorectal Tissue Classification [58.147396879490124]
  XM-GANと名づけられた少数ショット生成法は,1塩基と1対の参照組織像を入力とし,高品質で多様な画像を生成する。 我々の知る限りでは、大腸組織像の少数ショット生成を最初に調査した人物である。
  論文  参考訳（メタデータ） (2023-04-04T17:50:30Z)
• 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)
• Unsupervised Deep Digital Staining For Microscopic Cell Images Via Knowledge Distillation [46.006296303296544]
  大規模にステンド/アンステンディングされたセルイメージペアを実際に取得することは困難である。 本稿では,セル画像のデジタル染色のための新しい教師なしディープラーニングフレームワークを提案する。 提案手法は, より正確な位置と形状の染色画像を生成することができることを示す。
  論文  参考訳（メタデータ） (2023-03-03T16:26:38Z)
• Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
  本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。 私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
  論文  参考訳（メタデータ） (2022-10-24T14:37:09Z)
• Leaf Tar Spot Detection Using RGB Images [16.38252968880992]
  タルスポット病(Tar spot disease)は、トウモロコシの葉に黒い丸い斑点が連続して現れる真菌病である。 ディープニューラルネットワークは、十分な基礎的真理で、素早く自動化されたタールスポット検出を提供することができる。 葉面のクローズアップ画像におけるタールスポットの検出には,Mask R-CNNが有効であることを示す。
  論文  参考訳（メタデータ） (2022-05-02T14:56:06Z)
• 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)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• A Review of Visual Descriptors and Classification Techniques Used in Leaf Species Identification [0.0]
  植物学における主要な研究分野は、植物種同定、高スペクトル画像を用いた雑草分類、植物の健康状態のモニタリング、葉の生長の追跡、葉情報の意味論的解釈などである。 植物学者は、葉の形状、先端、基部、葉の縁、葉の静脈、葉のテクスチャと複合葉の葉の配置を区別することで、植物種を識別し易い。 特定の種、それらに影響を与える病気、葉の成長パターンなどを精査するために、葉を認識して特徴付けるインテリジェントなシステムが必要である。
  論文  参考訳（メタデータ） (2020-09-13T14:11:00Z)

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。