論文の概要: Leaf-Based Plant Disease Detection and Explainable AI

• arxiv url: http://arxiv.org/abs/2404.16833v1
• Date: Sun, 17 Dec 2023 03:40:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-01 11:49:01.940558
• Title: Leaf-Based Plant Disease Detection and Explainable AI
• Title（参考訳）: 葉系植物病検出と説明可能なAI
• Authors: Saurav Sagar, Mohammed Javed, David S Doermann,
• Abstract要約: 農業部門は国の経済成長に不可欠な役割を担っている。 植物病は農業に影響を及ぼす重要な要因の1つである。 研究者は、植物病を検出するAIと機械学習技術に基づく多くのアプリケーションを調査してきた。
• 参考スコア（独自算出の注目度）: 16.128084819516715
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The agricultural sector plays an essential role in the economic growth of a country. Specifically, in an Indian context, it is the critical source of livelihood for millions of people living in rural areas. Plant Disease is one of the significant factors affecting the agricultural sector. Plants get infected with diseases for various reasons, including synthetic fertilizers, archaic practices, environmental conditions, etc., which impact the farm yield and subsequently hinder the economy. To address this issue, researchers have explored many applications based on AI and Machine Learning techniques to detect plant diseases. This research survey provides a comprehensive understanding of common plant leaf diseases, evaluates traditional and deep learning techniques for disease detection, and summarizes available datasets. It also explores Explainable AI (XAI) to enhance the interpretability of deep learning models' decisions for end-users. By consolidating this knowledge, the survey offers valuable insights to researchers, practitioners, and stakeholders in the agricultural sector, fostering the development of efficient and transparent solutions for combating plant diseases and promoting sustainable agricultural practices.
• Abstract（参考訳）: 農業部門は国の経済成長に不可欠な役割を担っている。 特にインドでは、農村部に住む何百万人もの人々の生活の重要源となっている。 植物病は農業に影響を及ぼす重要な要因の1つである。 植物は、有機肥料、古風な慣行、環境条件など様々な理由で病気に感染し、農作物の収量に影響を及ぼし、経済を阻害する。 この問題に対処するため、研究者は、植物病を検出するAIと機械学習技術に基づく多くのアプリケーションを調査してきた。 本研究は,一般的な植物葉病の包括的理解を提供し,疾患検出のための従来的および深層学習技術を評価し,利用可能なデータセットを要約する。 また、ディープラーニングモデルのエンドユーザに対する解釈可能性を高めるために、説明可能なAI(XAI)についても検討している。 この知識を統合することで、この調査は農業分野の研究者、実践者、ステークホルダーに貴重な洞察を与え、植物病と闘うための効率的で透明なソリューションの開発を促進し、持続可能な農業慣行を促進する。

関連論文リスト

• A Semantic Segmentation Approach on Sweet Orange Leaf Diseases Detection Utilizing YOLO [0.0]
  本研究は、YOLOv8のような高度な人工知能モデルを利用して、甘いオレンジの葉の病気を診断する高度な手法を提案する。 YOLOv8はその迅速かつ正確な性能で認識され、VITはその詳細な特徴抽出能力で認識されている。 トレーニングと検証の段階では、YOLOv8の精度は80.4%、VITの精度は99.12%であった。
  論文  参考訳（メタデータ） (2024-09-10T17:40:46Z)
• Artificial Immune System of Secure Face Recognition Against Adversarial Attacks [67.31542713498627]
  昆虫生産には 最大限の可能性を実現するために 最適化が必要です これは選択的育種による興味のある形質の改善が目的である。 このレビューは、様々な分野の知識と、動物の繁殖、定量的遺伝学、進化生物学、昆虫学のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2024-06-26T07:50:58Z)
• Application of Machine Learning in Agriculture: Recent Trends and Future Research Avenues [6.0460261046732455]
  食品生産は重要な世界的関心事であり、人工知能(AI)による農業革命の可能性はほとんど解明されていない。 本稿では,農業における機械学習(ML)の適用に焦点をあてた総合的なレビューを行い,農業実践におけるその変革的ポテンシャルと効率向上を探求する。
  論文  参考訳（メタデータ） (2024-05-23T17:53:31Z)
• Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
  このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。 我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
  論文  参考訳（メタデータ） (2024-03-27T08:42:47Z)
• Climate Change Impact on Agricultural Land Suitability: An Interpretable Machine Learning-Based Eurasia Case Study [94.07737890568644]
  2021年現在、世界中で約8億8800万人が飢餓と栄養失調に見舞われている。 気候変動は農地の適性に大きな影響を及ぼし、深刻な食糧不足に繋がる可能性がある。 本研究は,経済・社会問題に苦しむ中央ユーラシアを対象とする。
  論文  参考訳（メタデータ） (2023-10-24T15:15:28Z)
• 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)
• AGI for Agriculture [30.785325834651644]
  人工知能(AGI)は、医療、金融、交通、教育など様々な分野に革命をもたらす。 本稿では,農業における農業画像処理,自然言語処理(NLP),ロボット工学,知識グラフ,インフラなどのAGIの今後の応用について述べる。
  論文  参考訳（メタデータ） (2023-04-12T19:39:49Z)
• Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
  本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。 私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
  論文  参考訳（メタデータ） (2022-10-24T14:37:09Z)
• 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)
• Computer Vision with Deep Learning for Plant Phenotyping in Agriculture: A Survey [25.365163119362045]
  精密農業技術により、ステークホルダーは効果的でカスタマイズされた作物管理の決定を行うことができる。 植物の表現型付け技術は、正確な作物モニタリングにおいて重要な役割を担っている。 本調査は,植物表現学における技術研究の現状を読者に紹介することを目的としている。
  論文  参考訳（メタデータ） (2020-06-18T14:21:19Z)
• 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。