論文の概要: Machine Learning-Based Jamun Leaf Disease Detection: A Comprehensive
Review
- arxiv url: http://arxiv.org/abs/2311.15741v1
- Date: Mon, 27 Nov 2023 11:46:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 15:31:16.744545
- Title: Machine Learning-Based Jamun Leaf Disease Detection: A Comprehensive
Review
- Title（参考訳）: 機械学習によるJamun Leaf病検出 : 総合的レビュー
- Authors: Auvick Chandra Bhowmik, Dr. Md. Taimur Ahad, Yousuf Rayhan Emon
- Abstract要約: ジャムン葉病は農業の生産性に重大な脅威をもたらす。
機械学習の出現は、これらの病気に効果的に取り組むための新たな道を開いた。
画像処理技術を用いた類似の疾患検出のために,様々な自動化システムが実装されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Jamun leaf diseases pose a significant threat to agricultural productivity,
negatively impacting both yield and quality in the jamun industry. The advent
of machine learning has opened up new avenues for tackling these diseases
effectively. Early detection and diagnosis are essential for successful crop
management. While no automated systems have yet been developed specifically for
jamun leaf disease detection, various automated systems have been implemented
for similar types of disease detection using image processing techniques. This
paper presents a comprehensive review of machine learning methodologies
employed for diagnosing plant leaf diseases through image classification, which
can be adapted for jamun leaf disease detection. It meticulously assesses the
strengths and limitations of various Vision Transformer models, including
Transfer learning model and vision transformer (TLMViT), SLViT, SE-ViT,
IterationViT, Tiny-LeViT, IEM-ViT, GreenViT, and PMViT. Additionally, the paper
reviews models such as Dense Convolutional Network (DenseNet), Residual Neural
Network (ResNet)-50V2, EfficientNet, Ensemble model, Convolutional Neural
Network (CNN), and Locally Reversible Transformer. These machine-learning
models have been evaluated on various datasets, demonstrating their real-world
applicability. This review not only sheds light on current advancements in the
field but also provides valuable insights for future research directions in
machine learning-based jamun leaf disease detection and classification.
- Abstract（参考訳）: ジャムン葉病は農業生産に重大な脅威をもたらし、ジャムン産業の収量と品質に悪影響を及ぼす。
機械学習の出現は、これらの病気に効果的に取り組むための新しい道を開いた。
早期発見と診断は作物管理の成功に不可欠である。
ジャム葉病検出のための自動システムはまだ開発されていないが、画像処理技術を用いた類似の疾患検出のために様々な自動システムが実装されている。
本稿では,植物葉病の診断に用いられている機械学習手法を,画像分類によって総合的に検討し,ジャム葉病の検出に応用する。
トランスファーラーニングモデルとビジョントランスフォーマー(TLMViT)、SLViT、SE-ViT、IterationViT、Tiny-LeViT、IMM-ViT、GreenViT、PMViTなど、様々なビジョントランスフォーマーモデルの強度と限界を慎重に評価する。
さらに,高密度畳み込みニューラルネットワーク(densenet),残留ニューラルネットワーク(resnet)-50v2,効率ネット,アンサンブルモデル,畳み込みニューラルネットワーク(cnn),局所可逆トランスなどのモデルについて検討した。
これらの機械学習モデルはさまざまなデータセットで評価され、実際の適用性を示している。
このレビューは、この分野の現在の進歩に光を当てるだけでなく、機械学習ベースのjamun leaf diseaseの検出と分類における今後の研究方向性に関する貴重な洞察を提供する。
関連論文リスト
- Benchmarking In-the-wild Multimodal Disease Recognition and A Versatile Baseline [42.49727243388804]
そこで本研究では,植物病原体認識データセットを提案する。
病気のクラスが最も多いだけでなく、各疾患に関するテキストベースの記述も含んでいる。
提案したデータセットは,実世界の疾患認識手法を評価するための理想的なテストベッドとみなすことができる。
論文 参考訳（メタデータ） (2024-08-06T11:49:13Z) - 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) - Machine Learning-Based Tea Leaf Disease Detection: A Comprehensive
Review [3.3916160303055563]
茶葉病は農業生産にとって大きな課題であり、茶産業の収量や品質に大きく影響している。
機械学習の台頭は、これらの病気に対処するための革新的なアプローチの開発を可能にした。
茶葉病の予測には,すでにさまざまな画像処理技術を用いていくつかの自動化システムが開発されている。
論文 参考訳（メタデータ） (2023-11-06T16:30:40Z) - SugarViT -- Multi-objective Regression of UAV Images with Vision
Transformers and Deep Label Distribution Learning Demonstrated on Disease
Severity Prediction in Sugar Beet [3.2925222641796554]
この研究は、大規模植物固有の特徴アノテーションを自動化するための機械学習フレームワークを導入する。
我々は、SugarViTと呼ばれる重症度評価のための効率的なビジョントランスフォーマーモデルを開発した。
この特殊なユースケースでモデルは評価されるが、様々な画像に基づく分類や回帰タスクにも可能な限り汎用的に適用可能である。
論文 参考訳（メタデータ） (2023-11-06T13:01:17Z) - Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。
本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。
実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文 参考訳（メタデータ） (2023-10-22T02:27:02Z) - A comprehensive review on Plant Leaf Disease detection using Deep
learning [0.0]
葉病は植物にとって致命的な病気である。
いくつかの自動システムは、様々な植物病理画像モダリティを用いて既に開発されている。
本稿では, 植物葉病の深層学習による診断のための葉病モデルに関する文献を体系的にレビューする。
論文 参考訳（メタデータ） (2023-08-27T12:20:28Z) - Defect Classification in Additive Manufacturing Using CNN-Based Vision
Processing [76.72662577101988]
本稿では、まず、畳み込みニューラルネットワーク(CNN)を用いて、画像データセットの欠陥をAMから第2に正確に分類し、発達した分類モデルにアクティブラーニング技術を適用する。
これにより、トレーニングデータやトレーニングデータの生成に必要なデータのサイズを削減できる、ヒューマン・イン・ザ・ループ機構の構築が可能になる。
論文 参考訳（メタデータ） (2023-07-14T14:36:58Z) - Explainable vision transformer enabled convolutional neural network for
plant disease identification: PlantXViT [11.623005206620498]
植物病は世界の作物の損失の主な原因であり、世界経済に影響を及ぼす。
本研究では、植物病の同定のために、ビジョントランスフォーマーにより「PlantXViT」と呼ばれる畳み込みニューラルネットワークモデルが提案される。
提案したモデルは、わずか0.8万のトレーニング可能なパラメータを持つ軽量な構造であり、IoTベースのスマート農業サービスに適している。
論文 参考訳（メタデータ） (2022-07-16T12:05:06Z) - In-Line Image Transformations for Imbalanced, Multiclass Computer Vision
Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。
convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。
本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文 参考訳（メタデータ） (2021-04-06T02:01:43Z) - Classification of COVID-19 in CT Scans using Multi-Source Transfer
Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。
マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。
我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文 参考訳（メタデータ） (2020-09-22T11:53:06Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳（メタデータ） (2020-09-02T02:50:30Z)
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。