論文の概要: Grapevine Disease Prediction Using Climate Variables from Multi-Sensor Remote Sensing Imagery via a Transformer Model

• arxiv url: http://arxiv.org/abs/2406.07094v1
• Date: Tue, 11 Jun 2024 09:33:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 22:09:03.795800
• Title: Grapevine Disease Prediction Using Climate Variables from Multi-Sensor Remote Sensing Imagery via a Transformer Model
• Title（参考訳）: 変圧器モデルを用いたマルチセンサリモートセンシング画像からの気候変動を用いたグラペビン病の予測
• Authors: Weiying Zhao, Natalia Efremova,
• Abstract要約: 本稿では,TabPFNモデルを用いたブロックワイドブドウ病の予測手法を提案する。 本手法は,高度な機械学習技術と詳細な環境データを統合することにより,疾患予測の精度と効率を大幅に向上させる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Early detection and management of grapevine diseases are important in pursuing sustainable viticulture. This paper introduces a novel framework leveraging the TabPFN model to forecast blockwise grapevine diseases using climate variables from multi-sensor remote sensing imagery. By integrating advanced machine learning techniques with detailed environmental data, our approach significantly enhances the accuracy and efficiency of disease prediction in vineyards. The TabPFN model's experimental evaluations showcase comparable performance to traditional gradient-boosted decision trees, such as XGBoost, CatBoost, and LightGBM. The model's capability to process complex data and provide per-pixel disease-affecting probabilities enables precise, targeted interventions, contributing to more sustainable disease management practices. Our findings underscore the transformative potential of combining Transformer models with remote sensing data in precision agriculture, offering a scalable solution for improving crop health and productivity while reducing environmental impact.
• Abstract（参考訳）: ブドウ病の早期発見と管理は、持続的なブドウ栽培の維持に重要である。 本稿では,TabPFNモデルを用いて,マルチセンサリモートセンシング画像から気候変数を用いたブロックワイドブドウ病の予測を行う新しいフレームワークを提案する。 本手法は,高度な機械学習技術と詳細な環境データを統合することにより,ブドウ園における病気予測の精度と効率を大幅に向上させる。 TabPFNモデルの実験評価では、XGBoost、CatBoost、LightGBMといった従来の勾配決定木に匹敵する性能を示した。 複雑なデータを処理し、ピクセルごとの疾患に影響を及ぼす確率を提供するというモデルの能力は、正確で標的とした介入を可能にし、より持続可能な疾患管理プラクティスに寄与する。 以上の結果から,トランスフォーマーモデルとリモートセンシングデータを組み合わせることにより,作物の健康と生産性を向上させるとともに,環境への影響を低減し,スケーラブルなソリューションを提供する可能性が示唆された。

関連論文リスト

• Benchmarking and Improving Bird's Eye View Perception Robustness in Autonomous Driving [55.93813178692077]
  本稿では,BEVアルゴリズムのレジリエンスを評価するためのベンチマークスイートであるRoboBEVを紹介する。 検出,マップセグメンテーション,深さ推定,占有予測といったタスクにまたがる33の最先端のBEVベースの知覚モデルを評価する。 また, 事前学習や深度自由なBEVトランスフォーメーションなどの戦略が, アウト・オブ・ディストリビューションデータに対するロバスト性を高める上で有効であることを示す。
  論文  参考訳（メタデータ） (2024-05-27T17:59:39Z)
• ViTaL: An Advanced Framework for Automated Plant Disease Identification in Leaf Images Using Vision Transformers and Linear Projection For Feature Reduction [0.0]
  本稿では,植物葉画像中の疾患の自動識別のための堅牢な枠組みを提案する。 このフレームワークには、いくつかの重要なステージが組み込まれており、疾患の認識精度が向上している。 本報告では, 病原葉を全方位でスキャンするハードウェア設計を提案する。
  論文  参考訳（メタデータ） (2024-02-27T11:32:37Z)
• 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)
• 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)
• Improving FHB Screening in Wheat Breeding Using an Efficient Transformer Model [0.0]
  フサリウム・ヘッド・ブライト(Fusarium head blight)は、小さな穀物に毎年重大な経済的損失をもたらす壊滅的な病気である。 FHBの早期検出のために,教師付き機械学習アルゴリズムを用いて画像処理技術を開発した。 変圧器モデルにU-Netネットワークの局所表現機能を統合するために,新しいContext Bridgeを提案する。
  論文  参考訳（メタデータ） (2023-08-07T15:44:58Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• End-to-end deep learning for directly estimating grape yield from ground-based imagery [53.086864957064876]
  本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。 オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。 本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
  論文  参考訳（メタデータ） (2022-08-04T01:34:46Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• Learning Generative Vision Transformer with Energy-Based Latent Space for Saliency Prediction [51.80191416661064]
  本稿では,有意な物体検出に先立って,潜伏変数を持つ新しい視覚変換器を提案する。 ビジョントランスネットワークとエネルギーベース先行モデルの両方は、マルコフ連鎖モンテカルロによる最大推定を通じて共同で訓練される。 生成型視覚変換器により、画像から容易に画素単位の不確実性マップを得ることができ、画像から唾液濃度を予測するためのモデル信頼度を示す。
  論文  参考訳（メタデータ） (2021-12-27T06:04:33Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)

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。