論文の概要: Early and Accurate Detection of Tomato Leaf Diseases Using TomFormer
- arxiv url: http://arxiv.org/abs/2312.16331v1
- Date: Tue, 26 Dec 2023 20:47:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-29 20:04:43.974555
- Title: Early and Accurate Detection of Tomato Leaf Diseases Using TomFormer
- Title（参考訳）: TomFormer を用いたトマト葉疾患の早期・正確な検出
- Authors: Asim Khan, Umair Nawaz, Lochan Kshetrimayum, Lakmal Seneviratne, and
Irfan Hussain
- Abstract要約: 本稿ではトマト葉病検出のためのトランスフォーマーモデルTomFormerを紹介する。
本稿では,視覚変換器と畳み込みニューラルネットワークを組み合わせた融合モデルを用いて,トマト葉病の検出手法を提案する。
- 参考スコア（独自算出の注目度）: 0.3169023552218211
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tomato leaf diseases pose a significant challenge for tomato farmers,
resulting in substantial reductions in crop productivity. The timely and
precise identification of tomato leaf diseases is crucial for successfully
implementing disease management strategies. This paper introduces a
transformer-based model called TomFormer for the purpose of tomato leaf disease
detection. The paper's primary contributions include the following: Firstly, we
present a novel approach for detecting tomato leaf diseases by employing a
fusion model that combines a visual transformer and a convolutional neural
network. Secondly, we aim to apply our proposed methodology to the Hello
Stretch robot to achieve real-time diagnosis of tomato leaf diseases. Thirdly,
we assessed our method by comparing it to models like YOLOS, DETR, ViT, and
Swin, demonstrating its ability to achieve state-of-the-art outcomes. For the
purpose of the experiment, we used three datasets of tomato leaf diseases,
namely KUTomaDATA, PlantDoc, and PlanVillage, where KUTomaDATA is being
collected from a greenhouse in Abu Dhabi, UAE. Finally, we present a
comprehensive analysis of the performance of our model and thoroughly discuss
the limitations inherent in our approach. TomFormer performed well on the
KUTomaDATA, PlantDoc, and PlantVillage datasets, with mean average accuracy
(mAP) scores of 87%, 81%, and 83%, respectively. The comparative results in
terms of mAP demonstrate that our method exhibits robustness, accuracy,
efficiency, and scalability. Furthermore, it can be readily adapted to new
datasets. We are confident that our work holds the potential to significantly
influence the tomato industry by effectively mitigating crop losses and
enhancing crop yields.
- Abstract（参考訳）: トマトの葉病はトマト農家にとって大きな課題であり、結果として作物生産性が大幅に低下する。
トマト葉病の適時かつ正確な同定は,疾患管理戦略を成功させる上で重要である。
本稿では,トマト葉病検出のためのトランスフォーマーモデルであるtomformerについて紹介する。
まず,視覚トランスフォーマーと畳み込みニューラルネットワークを組み合わせた融合モデルを用いて,トマト葉病を検出する新しい手法を提案する。
第2に,提案手法をハローストレッチロボットに適用し,トマト葉病のリアルタイム診断を実現することを目的とする。
第3に、この手法をyolos、detr、vit、swainなどのモデルと比較し、最先端の結果を得る能力を示すことによって評価した。
実験では,UAEのアブダビの温室からKUTomaDATA, PlantDoc, PlanVillageの3種類のトマト葉病データセットを採取した。
最後に,本モデルの性能を包括的に分析し,本手法に固有の限界を徹底的に議論する。
TomFormerは,KUTomaDATA, PlantDoc, PlantVillageの各データセットで,平均精度(mAP)スコアが87%, 81%, 83%であった。
mAPによる比較結果から,本手法はロバスト性,精度,効率,スケーラビリティを示す。
さらに、新しいデータセットに容易に適応できる。
我々は, 収穫の損失を効果的に軽減し, 収穫量を増加させることで, トマト産業に大きな影響を与える可能性を秘めていると確信している。
関連論文リスト
- A Novel Feature Extraction Model for the Detection of Plant Disease from Leaf Images in Low Computational Devices [2.1990652930491854]
提案手法は,葉のイメージから頑健で識別可能な特徴を抽出するために,様々なタイプのディープラーニング技術を統合する。
このデータセットには、10種類のトマト病と1種類の健康な葉から1万枚の葉の写真が含まれています。
AlexNetの精度スコアは87%で、高速で軽量であり、組み込みシステムでの使用に適している。
論文 参考訳（メタデータ） (2024-10-01T19:32:45Z) - Enhancing Plant Disease Detection: A Novel CNN-Based Approach with Tensor Subspace Learning and HOWSVD-MD [3.285994579445155]
本稿では,トマト葉病の検出・分類のための最先端技術を紹介する。
本稿では,高次白色特異値分解(Higher-Order Whitened Singular Value Decomposition)と呼ばれる部分空間学習領域における高度なアプローチを提案する。
このイノベーティブな手法の有効性は、2つの異なるデータセットに関する包括的な実験を通じて厳密に検証された。
論文 参考訳（メタデータ） (2024-05-30T13:46:56Z) - UAlign: Pushing the Limit of Template-free Retrosynthesis Prediction with Unsupervised SMILES Alignment [51.49238426241974]
本稿では,テンプレートのないグラフ・ツー・シーケンスパイプラインであるUAlignを紹介した。
グラフニューラルネットワークとトランスフォーマーを組み合わせることで、分子固有のグラフ構造をより効果的に活用することができる。
論文 参考訳（メタデータ） (2024-03-25T03:23:03Z) - Early Detection of Late Blight Tomato Disease using Histogram Oriented Gradient based Support Vector Machine [2.3210922904864955]
本研究は,トマトの遅発性病を早期に検出するための新しいスマート技術を提案する。
提案したSVMとHOGのハイブリッドアルゴリズムは,トマトの遅発性病の早期発見に有意な可能性を秘めている。
論文 参考訳（メタデータ） (2023-06-14T07:58:14Z) - Drug Synergistic Combinations Predictions via Large-Scale Pre-Training
and Graph Structure Learning [82.93806087715507]
薬物併用療法は、より有効で安全性の低い疾患治療のための確立された戦略である。
ディープラーニングモデルは、シナジスティックな組み合わせを発見する効率的な方法として登場した。
我々のフレームワークは、他のディープラーニングベースの手法と比較して最先端の結果を達成する。
論文 参考訳（メタデータ） (2023-01-14T15:07:43Z) - Siamese Network-based Lightweight Framework for Tomato Leaf Disease
Recognition [0.0]
トマト葉の自動認識のための新しいシームズネットワークベースの軽量フレームワークを提案する。
トマトサブセットで96.97%、台湾トマトの葉のデータセットで95.48%の精度を達成している。
論文 参考訳（メタデータ） (2022-09-18T16:08:07Z) - A Deep Learning Generative Model Approach for Image Synthesis of Plant
Leaves [62.997667081978825]
我々は,高度深層学習(DL)技術を用いて,人工葉画像の自動生成を行う。
我々は、現代の作物管理のためのAIアプリケーションのためのトレーニングサンプルのソースを処分することを目指している。
論文 参考訳（メタデータ） (2021-11-05T10:53:35Z) - Unassisted Noise Reduction of Chemical Reaction Data Sets [59.127921057012564]
本稿では,データセットから化学的に間違ったエントリを除去するための,機械学習に基づく無支援アプローチを提案する。
その結果,クリーン化およびバランスの取れたデータセットでトレーニングしたモデルの予測精度が向上した。
論文 参考訳（メタデータ） (2021-02-02T09:34:34Z) - One-Shot Learning with Triplet Loss for Vegetation Classification Tasks [45.82374977939355]
三重項損失関数は、ワンショット学習タスクの精度を大幅に向上できる選択肢の1つである。
2015年からは、多くのプロジェクトがシームズネットワークとこの種の損失を顔認識とオブジェクト分類に利用している。
論文 参考訳（メタデータ） (2020-12-14T10:44:22Z) - Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using
Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。
本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。
これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
論文 参考訳（メタデータ） (2020-12-07T16:23:13Z) - Real-time Plant Health Assessment Via Implementing Cloud-based Scalable
Transfer Learning On AWS DeepLens [0.8714677279673736]
植物葉病の検出・分類のための機械学習手法を提案する。
私たちは、AWS SageMaker上でスケーラブルな転送学習を使用して、リアルタイムの実用的なユーザビリティのために、AWS DeepLensにインポートしています。
果実や野菜の健康・不健康な葉の広範な画像データセットに関する実験では,植物葉病のリアルタイム診断で98.78%の精度を示した。
論文 参考訳（メタデータ） (2020-09-09T05:23:34Z)
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。