論文の概要: Deep Learning based Tomato Disease Detection and Remedy Suggestions using Mobile Application

• arxiv url: http://arxiv.org/abs/2310.05929v1
• Date: Wed, 16 Aug 2023 07:13:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 04:02:32.573459
• Title: Deep Learning based Tomato Disease Detection and Remedy Suggestions using Mobile Application
• Title（参考訳）: モバイルアプリケーションを用いたトマト病検出と治療提案に基づく深層学習
• Authors: Yagya Raj Pandeya, Samin Karki, Ishan Dangol, Nitesh Rajbanshi
• Abstract要約: 我々は,従来の農法を実践する農家を支援するコンピュータシステムを開発し,作物病に対処する農業専門家に限定的にアクセスできるようにした。 本システムでは,人工知能(AI)を用いて野菜病の診断・治療を行う。 開発システムは、スマートフォンの基本的な知識を持つ農夫でも利用することができる。
• 参考スコア（独自算出の注目度）: 0.4999814847776098
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We have developed a comprehensive computer system to assist farmers who practice traditional farming methods and have limited access to agricultural experts for addressing crop diseases. Our system utilizes artificial intelligence (AI) to identify and provide remedies for vegetable diseases. To ensure ease of use, we have created a mobile application that offers a user-friendly interface, allowing farmers to inquire about vegetable diseases and receive suitable solutions in their local language. The developed system can be utilized by any farmer with a basic understanding of a smartphone. Specifically, we have designed an AI-enabled mobile application for identifying and suggesting remedies for vegetable diseases, focusing on tomato diseases to benefit the local farming community in Nepal. Our system employs state-of-the-art object detection methodology, namely You Only Look Once (YOLO), to detect tomato diseases. The detected information is then relayed to the mobile application, which provides remedy suggestions guided by domain experts. In order to train our system effectively, we curated a dataset consisting of ten classes of tomato diseases. We utilized various data augmentation methods to address overfitting and trained a YOLOv5 object detector. The proposed method achieved a mean average precision of 0.76 and offers an efficient mobile interface for interacting with the AI system. While our system is currently in the development phase, we are actively working towards enhancing its robustness and real-time usability by accumulating more training samples.
• Abstract（参考訳）: 我々は,従来の農業手法を実践し,農作物病対策の専門家に限定した総合的なコンピュータシステムを開発した。 本システムは,人工知能(AI)を用いて野菜病の診断・治療を行う。 使いやすさを確保するため,我々は,農家が野菜の病気を調査し,現地語で適切なソリューションを得られるように,ユーザフレンドリーなインターフェースを提供するモバイルアプリケーションを開発した。 開発システムは、スマートフォンの基本的な知識を持つ農夫でも利用することができる。 具体的には、ネパールの地域農業社会に利益をもたらすために、トマト病を中心に、野菜病の治療法を特定し提案するためのAI対応モバイルアプリケーションを設計した。 本システムでは,トマト病の診断に最先端のオブジェクト検出手法であるYou Only Look Once(YOLO)を採用している。 検出された情報はモバイルアプリケーションにリレーされ、ドメインの専門家が指導する修正提案を提供する。 システムを効果的にトレーニングするために,トマト病10種からなるデータセットを収集した。 様々なデータ拡張手法を用いて、過剰適合に対処し、YOLOv5オブジェクト検出器を訓練した。 提案手法は平均精度0.76を達成し,AIシステムと対話するための効率的な移動インタフェースを提供する。 現在開発中のシステムでは,より多くのトレーニングサンプルを蓄積することで,堅牢性とリアルタイムのユーザビリティの向上に積極的に取り組んでいます。

関連論文リスト

• Advanced Machine Learning Framework for Efficient Plant Disease Prediction [0.8249694498830561]
  本稿では,スマート農業プラットフォーム構築のための高度な機械学習手法の新たな組み合わせについて検討する。 本システムでは, 被影響画像から植物の病原体を同定するために, 深層学習技術を利用する。 自然言語処理技術は、ユーザコミュニティが投稿したソリューションのランク付けに使用される。
  論文  参考訳（メタデータ） (2024-09-08T18:14:34Z)
• Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition [48.65867987106428]
  本稿では,人間とロボットの協調学習システムについて紹介する。 これにより、ロボットエンドエフェクターの制御を学習支援エージェントと共有することができる。 これにより、ダウンストリームタスクにおいて、収集されたデータが十分な品質であることを保証しながら、人間の適応の必要性を減らすことができる。
  論文  参考訳（メタデータ） (2024-06-29T03:37:29Z)
• Crop Disease Classification using Support Vector Machines with Green Chromatic Coordinate (GCC) and Attention based feature extraction for IoT based Smart Agricultural Applications [0.0]
  植物病は農業栽培中の葉に悪影響を及ぼし、作物の生産量と経済的価値に大きな損失をもたらす。 各種機械学習(ML)と深層学習(DL)アルゴリズムが開発され,植物病の検出のための研究が行われている。 本稿では、注意に基づく特徴抽出、RGBチャネルに基づく色分析、SVM(Support Vector Machines)による性能向上による事前作業に基づく新しい分類手法を提案する。
  論文  参考訳（メタデータ） (2023-11-01T10:44:49Z)
• Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
  我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。 本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。 我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
  論文  参考訳（メタデータ） (2023-05-03T05:16:54Z)
• Single-round Self-supervised Distributed Learning using Vision Transformer [34.76985278888513]
  視覚変換器の自己監督型マスクサンプリング蒸留法を提案する。 この方法は、連続的な通信なしに実装でき、ビジョントランスフォーマー固有の暗号化技術を利用することで、プライバシーを高めることができる。
  論文  参考訳（メタデータ） (2023-01-05T13:47:36Z)
• Automated Wheat Disease Detection using a ROS-based Autonomous Guided UAV [0.0]
  小麦畑のモニタリング作業を自動化するために、無人航空機にスマート自律システムが実装されている。 画像に基づくディープラーニングアプローチは、病気に感染した小麦の植物を検出し分類するために用いられる。 ロボットオペレーティングシステムとガゼボ環境におけるシミュレーションを用いて,マッピングとナビゲーションシステムを提案する。
  論文  参考訳（メタデータ） (2022-06-30T06:12:48Z)
• Farmer's Assistant: A Machine Learning Based Application for Agricultural Solutions [0.0]
  我々は、これらの問題に対処するため、オープンソースの使いやすいWebアプリケーションを作成し、作物の生産を改善するのに役立ちます。 特に,作物の推薦,肥料の推薦,植物病の予知,対話型ニューズフィードを支持している。
  論文  参考訳（メタデータ） (2022-04-24T19:31:10Z)
• DrugOOD: Out-of-Distribution (OOD) Dataset Curator and Benchmark for AI-aided Drug Discovery -- A Focus on Affinity Prediction Problems with Noise Annotations [90.27736364704108]
  我々は、AI支援薬物発見のための体系的なOODデータセットキュレーターおよびベンチマークであるTarmOODを提案する。 DrugOODには、ベンチマークプロセスを完全に自動化するオープンソースのPythonパッケージが付属している。 我々は、薬物標的結合親和性予測という、AIDDにおける最も重要な問題の1つに焦点を当てる。
  論文  参考訳（メタデータ） (2022-01-24T12:32:48Z)
• 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)
• Plant Disease Detection Using Image Processing and Machine Learning [0.0]
  本稿では,コンピュータビジョンと機械学習技術を用いた作物病の検出手法を提案する。 提案システムは,93%の精度で5種の共通植物の20種類の疾患を検出できる。
  論文  参考訳（メタデータ） (2021-06-20T14:11:24Z)
• Pervasive AI for IoT Applications: Resource-efficient Distributed Artificial Intelligence [45.076180487387575]
  人工知能(AI)は、さまざまなモノのインターネット(IoT)アプリケーションやサービスにおいて大きなブレークスルーを目の当たりにした。 これは、感覚データへの容易なアクセスと、リアルタイムデータストリームのゼッタバイト(ZB)を生成する広帯域/ユビキタスデバイスの巨大なスケールによって駆動される。 広範コンピューティングと人工知能の合流により、Pervasive AIはユビキタスIoTシステムの役割を拡大した。
  論文  参考訳（メタデータ） (2021-05-04T23:42:06Z)

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。