論文の概要: Rice Plant Disease Detection and Diagnosis using Deep Convolutional Neural Networks and Multispectral Imaging

• arxiv url: http://arxiv.org/abs/2309.05818v1
• Date: Mon, 11 Sep 2023 20:51:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-13 15:09:46.364632
• Title: Rice Plant Disease Detection and Diagnosis using Deep Convolutional Neural Networks and Multispectral Imaging
• Title（参考訳）: 深層畳み込みニューラルネットワークとマルチスペクトルイメージングを用いたイネ病の検出と診断
• Authors: Yara Ali Alnaggar, Ahmad Sebaq, Karim Amer, ElSayed Naeem, Mohamed Elhelw
• Abstract要約: エジプトはアフリカ最大の米生産国であり、年間600万トンを生産している。 稲芽病は世界の稲生産の30%の減少の原因となっている。 本稿では,多スペクトル・RGB画像データセットと水稲病検出のためのディープラーニングパイプラインについて紹介する。
• 参考スコア（独自算出の注目度）: 1.0499611180329802
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rice is considered a strategic crop in Egypt as it is regularly consumed in the Egyptian people's diet. Even though Egypt is the highest rice producer in Africa with a share of 6 million tons per year, it still imports rice to satisfy its local needs due to production loss, especially due to rice disease. Rice blast disease is responsible for 30% loss in rice production worldwide. Therefore, it is crucial to target limiting yield damage by detecting rice crops diseases in its early stages. This paper introduces a public multispectral and RGB images dataset and a deep learning pipeline for rice plant disease detection using multi-modal data. The collected multispectral images consist of Red, Green and Near-Infrared channels and we show that using multispectral along with RGB channels as input archives a higher F1 accuracy compared to using RGB input only.
• Abstract（参考訳）: 米はエジプト国民の食事で定期的に消費されるため、エジプトの戦略的作物と考えられている。 エジプトはアフリカ最大の米生産国であり、年間600万トンが生産されているが、特に米病による生産損失により、その地域需要を満たすために米を輸入している。 米の発芽病は世界の米生産の30%の損失の原因である。 そのため、稲の病害を早期に検出することで、収量被害の抑制を目標とすることが重要である。 本稿では,マルチスペクトルおよびRGB画像データセットとマルチモーダルデータを用いた水稲病検出のためのディープラーニングパイプラインを提案する。 収集したマルチスペクトル画像は赤,緑,近赤外チャネルで構成され,RGBチャネルを入力アーカイブとして使用する場合,RGB入力のみを使用する場合と比較して高いF1精度を示す。

関連論文リスト

• Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
  本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。 我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-07T22:29:05Z)
• Dhan-Shomadhan: A Dataset of Rice Leaf Disease Classification for Bangladeshi Local Rice [0.0]
  このデータセットはBrown Spot, Leaf Scaled, Rice Blast, Rice Turngo, Steath Blightという5つの有害疾患の1106枚の画像で構成されている。 データは、ダッカ県の田地から収集される。
  論文  参考訳（メタデータ） (2023-09-14T08:32:05Z)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• Development of a Prototype Application for Rice Disease Detection Using Convolutional Neural Networks [0.0]
  米はフィリピンで1番の主食である。 農家は、稲作全体を害する恐れのあるイネの葉の病原体に慣れていない。 イネの一般的な細菌の葉に対処する必要性は深刻な病気であり、収量が減少し、収穫量も最大75%減少する。
  論文  参考訳（メタデータ） (2023-01-13T13:12:40Z)
• Rice Leaf Disease Classification and Detection Using YOLOv5 [8.627180519837657]
  農業が直面する主な問題は稲葉病である。 いずれの国の農家も稲葉病に関する知識が乏しいため、稲葉病を正しく診断することはできない。 本稿では, YOLOv5 深層学習に基づくイネ葉病の分類と検出法を提案する。
  論文  参考訳（メタデータ） (2022-09-04T09:27:57Z)
• Automatic Detection of Rice Disease in Images of Various Leaf Sizes [0.5284812806199193]
  そこで我々は,米田写真画像から米病を検出するコンピュータビジョン技術を用いて,その解決策に焦点をあてた。 そこで本研究では,CNNオブジェクト検出と画像タイリングを組み合わせた手法を提案する。 本手法は, 発芽, 発芽, 褐色斑点, 褐色斑点, オレンジ, 赤色ストライプ, 草草性スタントウイルス, ストリーク病など8種類のイネ葉病の4,960枚の画像から評価した。
  論文  参考訳（メタデータ） (2022-06-15T07:56:41Z)
• A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
  糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。 このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
  論文  参考訳（メタデータ） (2020-08-22T07:48:04Z)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)
• Predicting rice blast disease: machine learning versus process based models [0.7130302992490972]
  稲芽病は水稲栽培において最も重要な生物的制約であり、毎年何百万ドルもの損失を生んでいる。 稲芽予測は、稲作農家が病気を抑えるための主要な手段である。 本研究は,植物病害管理を支援するためのプロセスベースおよび機械学習モデリングアプローチを初めて比較したものである。
  論文  参考訳（メタデータ） (2020-04-03T14:48:14Z)
• Spectrum Translation for Cross-Spectral Ocular Matching [59.17685450892182]
  バイオメトリックスでは、特に眼領域において、クロススペクトル検証が大きな問題となっている。 近赤外画像と視覚光画像のスペクトル変換におけるコンディショナル・ディバイサル・ネットワークの利用について検討した。
  論文  参考訳（メタデータ） (2020-02-14T19:30:31Z)
• Agriculture-Vision: A Large Aerial Image Database for Agricultural Pattern Analysis [110.30849704592592]
  本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。 各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。 農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
  論文  参考訳（メタデータ） (2020-01-05T20:19:33Z)

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。