論文の概要: Early Detection of Red Palm Weevil Infestations using Deep Learning
Classification of Acoustic Signals
- arxiv url: http://arxiv.org/abs/2308.15829v1
- Date: Wed, 30 Aug 2023 08:09:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-31 14:23:07.756505
- Title: Early Detection of Red Palm Weevil Infestations using Deep Learning
Classification of Acoustic Signals
- Title（参考訳）: 音響信号の深層学習分類によるレッドパームウイルス感染の早期検出
- Authors: Wadii Boulila, Ayyub Alzahem, Anis Koubaa, Bilel Benjdira, Adel Ammar
- Abstract要約: レッド・パーム・ウィービル(RPW)は、世界でも最も被害を受けているヤシの害虫であると考えられている。
現在の検出技術には、視覚的または音的検査を用いてRPWの症状を検出することが含まれる。
提案手法は, RPW音活動の記録と解析に基づく。
- 参考スコア（独自算出の注目度）: 1.8677879752763564
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Red Palm Weevil (RPW), also known as the palm weevil, is considered among
the world's most damaging insect pests of palms. Current detection techniques
include the detection of symptoms of RPW using visual or sound inspection and
chemical detection of volatile signatures generated by infested palm trees.
However, efficient detection of RPW diseases at an early stage is considered
one of the most challenging issues for cultivating date palms. In this paper,
an efficient approach to the early detection of RPW is proposed. The proposed
approach is based on RPW sound activities being recorded and analyzed. The
first step involves the conversion of sound data into images based on a
selected set of features. The second step involves the combination of images
from the same sound file but computed by different features into a single
image. The third step involves the application of different Deep Learning (DL)
techniques to classify resulting images into two classes: infested and not
infested. Experimental results show good performances of the proposed approach
for RPW detection using different DL techniques, namely MobileNetV2,
ResNet50V2, ResNet152V2, VGG16, VGG19, DenseNet121, DenseNet201, Xception, and
InceptionV3. The proposed approach outperformed existing techniques for public
datasets.
- Abstract（参考訳）: レッド・パーム・ウィービル(英: Red Palm Weevil、RPW)またはパーム・ウィービル(英: palm weevil)は、パームの害虫である。
現在の検出技術には、視覚や音の検査によるRPWの症状の検出や、寄生するヤシの木から発生する揮発性シグネチャの化学的検出が含まれる。
しかし, 早期のRPW病の効率的な検出は, ヤシの栽培において最も難しい問題の一つであると考えられる。
本稿では,RPWの早期検出に対する効率的なアプローチを提案する。
提案手法は, RPW音活動の記録と解析に基づく。
最初のステップは、選択した特徴セットに基づいた画像への音声データの変換である。
2番目のステップは、同じサウンドファイルからのイメージの組み合わせであるが、異なる特徴によって単一のイメージに計算される。
3番目のステップは、異なるディープラーニング(DL)技術を適用して、結果のイメージを2つのクラスに分類することである。
実験結果から,MobileNetV2,ResNet50V2,ResNet152V2,VGG16,VGG19,DenseNet121,DenseNet201,Xception,InceptionV3といった異なるDL技術を用いたRPW検出手法の有効性が示された。
提案手法は、公開データセットの既存のテクニックよりも優れていた。
関連論文リスト
- Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳（メタデータ） (2024-08-28T10:07:17Z) - 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) - Threatening Patch Attacks on Object Detection in Optical Remote Sensing
Images [55.09446477517365]
自然画像における物体検出における高度なパッチアタック(PA)は、ディープニューラルネットワークに基づく手法における大きな安全性の脆弱性を指摘した。
我々は,TPAと呼ばれる視覚的品質の低下を伴わない,より危険度の高いPAを提案する。
我々の知る限りでは、これがO-RSIにおけるオブジェクト検出におけるPAの研究の最初の試みであり、この研究が読者にこのトピックの研究に興味を持たせることを願っている。
論文 参考訳（メタデータ） (2023-02-13T02:35:49Z) - Deep Learning-Based Anomaly Detection in Synthetic Aperture Radar
Imaging [11.12267144061017]
本手法は,異常を周囲から逸脱する異常パターンとみなすが,その特徴を事前に把握していない。
提案手法は自己教師付きアルゴリズムを用いてこれらの問題に対処することを目的としている。
従来のReed-Xiaoliアルゴリズムと比較して,提案手法の利点を示す実験を行った。
論文 参考訳（メタデータ） (2022-10-28T10:22:29Z) - Active Gaze Control for Foveal Scene Exploration [124.11737060344052]
本研究では,葉型カメラを用いた人間とロボットが現場を探索する方法をエミュレートする手法を提案する。
提案手法は,同数の視線シフトに対してF1スコアを2～3ポイント増加させる。
論文 参考訳（メタデータ） (2022-08-24T14:59:28Z) - Detecting Adversarial Perturbations in Multi-Task Perception [32.9951531295576]
本稿では,複雑な視覚タスクのマルチタスク認識に基づく,新たな対向摂動検出手法を提案する。
入力画像の抽出されたエッジと深度出力とセグメンテーション出力との不整合により、逆摂動を検出する。
5%の偽陽性率を仮定すると、画像の最大100%は逆摂動として正しく検出され、摂動の強さに依存する。
論文 参考訳（メタデータ） (2022-03-02T15:25:17Z) - 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) - Influence of image noise on crack detection performance of deep
convolutional neural networks [0.0]
深層畳み込みニューラルネットワークを用いた画像データからのひび割れの分類について多くの研究がなされている。
本稿では,画像ノイズがネットワークの精度に与える影響について検討する。
AlexNetは提案したインデックスに基づいて最も効率的なモデルに選ばれた。
論文 参考訳（メタデータ） (2021-11-03T09:08:54Z) - Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。
元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。
私たちのコードは、将来的な比較作業のためにオープンソースにされます。
論文 参考訳（メタデータ） (2021-07-01T08:58:16Z) - Hierarchical Convolutional Neural Network with Feature Preservation and
Autotuned Thresholding for Crack Detection [5.735035463793008]
ドローンの画像はインフラ表面の欠陥の自動検査にますます使われている。
本稿では,階層型畳み込みニューラルネットワークを用いた深層学習手法を提案する。
提案手法は, 道路, 橋, 舗装の表面ひび割れの同定に応用されている。
論文 参考訳（メタデータ） (2021-04-21T13:07:58Z) - Advanced Deep Learning Methodologies for Skin Cancer Classification in
Prodromal Stages [0.3058685580689604]
提案した研究は2つの主要なフェーズから構成される。
第1フェーズでは、画像が前処理され、クラッタが除去され、訓練画像の洗練されたバージョンが生成される。
実験の結果,両ネットワークの精細化版を用いて,列車および検証精度の顕著な向上を示した。
アートインセプション-v3ネットワークを用いた最終テスト精度は86%であった。
論文 参考訳（メタデータ） (2020-03-13T16:07:00Z)
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。