論文の概要: Identification of Abnormality in Maize Plants From UAV Images Using Deep Learning Approaches

• arxiv url: http://arxiv.org/abs/2310.13201v1
• Date: Fri, 20 Oct 2023 00:06:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 01:07:33.091275
• Title: Identification of Abnormality in Maize Plants From UAV Images Using Deep Learning Approaches
• Title（参考訳）: 深層学習手法を用いたUAV画像からのトウモロコシの異常の同定
• Authors: Aminul Huq, Dimitris Zermas, George Bebis
• Abstract要約: 植物の異常の早期発見は、適切な生育を確保し、作物から高い収量を得るための重要な課題である。 本研究は, 成長段階とは無関係に, トウモロコシの異常度を判定する手法を開発した。 予備結果は、低い異常の88.89%の検出精度と100%の異常の検知精度を示している。
• 参考スコア（独自算出の注目度）: 0.6226366855893847
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Early identification of abnormalities in plants is an important task for ensuring proper growth and achieving high yields from crops. Precision agriculture can significantly benefit from modern computer vision tools to make farming strategies addressing these issues efficient and effective. As farming lands are typically quite large, farmers have to manually check vast areas to determine the status of the plants and apply proper treatments. In this work, we consider the problem of automatically identifying abnormal regions in maize plants from images captured by a UAV. Using deep learning techniques, we have developed a methodology which can detect different levels of abnormality (i.e., low, medium, high or no abnormality) in maize plants independently of their growth stage. The primary goal is to identify anomalies at the earliest possible stage in order to maximize the effectiveness of potential treatments. At the same time, the proposed system can provide valuable information to human annotators for ground truth data collection by helping them to focus their attention on a much smaller set of images only. We have experimented with two different but complimentary approaches, the first considering abnormality detection as a classification problem and the second considering it as a regression problem. Both approaches can be generalized to different types of abnormalities and do not make any assumption about the abnormality occurring at an early plant growth stage which might be easier to detect due to the plants being smaller and easier to separate. As a case study, we have considered a publicly available data set which exhibits mostly Nitrogen deficiency in maize plants of various growth stages. We are reporting promising preliminary results with an 88.89\% detection accuracy of low abnormality and 100\% detection accuracy of no abnormality.
• Abstract（参考訳）: 植物における異常の早期同定は、適切な成長と作物からの高収率を達成する上で重要な課題である。 精密農業は、これらの問題に対処する農業戦略を効率的かつ効果的にするために、現代のコンピュータビジョンツールから大きな恩恵を受けることができる。 農地は通常非常に大きいため、農家は手動で広大な地域をチェックして植物の状態を確認し、適切な処置を施さなければならない。 本研究では,UAVが捉えた画像からトウモロコシの異常領域を自動的に同定する問題を考察する。 本研究では, トウモロコシの生育段階とは独立に, 異なるレベルの異常(低・中・高・高・無異常)を検出する手法を開発した。 主な目的は、潜在的な治療の有効性を最大化するために、最も早い段階で異常を識別することである。 同時に,提案するシステムは,より小さな画像集合にのみ注意を向けることによって,人間に価値ある情報を提供することができる。 まず, 分類問題として異常検出を, 回帰問題として検討した。 どちらのアプローチも異なる種類の異常に一般化することができ、植物が小さくて分離しやすいことから検出しやすい初期の植物成長段階で発生する異常について仮定することができない。 ケーススタディとして, 種々の成長段階のトウモロコシ植物において, 主に窒素欠乏を示す公開データセットを検討した。 本報告では, 診断精度88.89 %, 検出精度100 %, 診断精度100 %, 予測予備結果について報告する。

関連論文リスト

• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• PlantPlotGAN: A Physics-Informed Generative Adversarial Network for Plant Disease Prediction [2.7409168462107347]
  リアルな植生指標を持つ合成多スペクトルプロット画像を作成することができる物理インフォームド・ジェネレーティブ・モデルであるPlanetPlotGANを提案する。 その結果, PlantPlotGANから生成された合成画像はFr'echet開始距離に関して最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-10-27T16:56:28Z)
• Detection of healthy and diseased crops in drone captured images using Deep Learning [0.0]
  病気によって引き起こされる植物の正常な状態の破壊は、しばしば本質的な植物活動に干渉する。 ドローン画像を用いた植物病の効率的な検出のための深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-22T21:15:12Z)
• Agave crop segmentation and maturity classification with deep learning data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
  超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。 実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。 結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
  論文  参考訳（メタデータ） (2023-03-21T03:15:29Z)
• Generative models-based data labeling for deep networks regression: application to seed maturity estimation from UAV multispectral images [3.6868861317674524]
  種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。 従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。 マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法の提案と,自動ラベリングのための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-09T09:06:51Z)
• 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)
• 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)
• Automatic Plant Cover Estimation with CNNs Automatic Plant Cover Estimation with Convolutional Neural Networks [8.361945776819528]
  畳み込みニューラルネットワーク(CNN)を用いて画像から関連データを自動抽出する手法について検討する。 我々は、平均絶対誤差5.16%のカスタムCNNを用いて、より高解像度の画像分解能で過去のアプローチより優れていることを発見した。 これらの調査に加えて,植物被覆画像の時間的側面に基づく誤差解析も行った。
  論文  参考訳（メタデータ） (2021-06-21T14:52:01Z)
• 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)
• Weed Density and Distribution Estimation for Precision Agriculture using Semi-Supervised Learning [0.0]
  雑草密度と分布のロバストな推定のための深層学習に基づく半教師付き手法を提案する。 本研究では、作物や雑草を含む前景の植生画素を、畳み込みニューラルネットワーク(CNN)に基づく教師なしセグメンテーションを用いて最初に同定する。 雑草感染地域は、細調整されたCNNを用いて識別され、手作りの特徴を設計する必要がなくなる。
  論文  参考訳（メタデータ） (2020-11-04T09:35:53Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)

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。