論文の概要: Early Detection of Coffee Leaf Rust Through Convolutional Neural Networks Trained on Low-Resolution Images
- arxiv url: http://arxiv.org/abs/2407.14737v1
- Date: Sat, 20 Jul 2024 03:24:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-23 21:14:02.675805
- Title: Early Detection of Coffee Leaf Rust Through Convolutional Neural Networks Trained on Low-Resolution Images
- Title(参考訳): 低解像度画像を用いた畳み込みニューラルネットワークによるコーヒー葉の早期検出
- Authors: Angelly Cabrera, Kleanthis Avramidis, Shrikanth Narayanan,
- Abstract要約: コーヒー葉のさびは、真菌のHemileia vastatrixによって引き起こされた葉病であり、コーヒー生産にとって大きな脅威となる。
早期疾患検出を強化するためのディープラーニングモデルは、広範囲な処理能力と大量のデータを必要とする。
本稿では,高域通過フィルタを用いたトレーニング画像のコントラスト向上を目的とした前処理手法を提案する。
- 参考スコア(独自算出の注目度): 27.195033353775006
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Coffee leaf rust, a foliar disease caused by the fungus Hemileia vastatrix, poses a major threat to coffee production, especially in Central America. Climate change further aggravates this issue, as it shortens the latency period between initial infection and the emergence of visible symptoms in diseases like leaf rust. Shortened latency periods can lead to more severe plant epidemics and faster spread of diseases. There is, hence, an urgent need for effective disease management strategies. To address these challenges, we explore the potential of deep learning models for enhancing early disease detection. However, deep learning models require extensive processing power and large amounts of data for model training, resources that are typically scarce. To overcome these barriers, we propose a preprocessing technique that involves convolving training images with a high-pass filter to enhance lesion-leaf contrast, significantly improving model efficacy in resource-limited environments. This method and our model demonstrated a strong performance, achieving over 90% across all evaluation metrics--including precision, recall, F1-score, and the Dice coefficient. Our experiments show that this approach outperforms other methods, including two different image preprocessing techniques and using unaltered, full-color images.
- Abstract(参考訳): コーヒー葉のさびは、真菌のHemileia vastatrixによって引き起こされる葉病であり、特に中央アメリカではコーヒー生産に大きな脅威をもたらす。
気候変動は、初期感染と葉のさびのような病気の症状の出現までの遅延期間を短縮するので、この問題をさらに悪化させる。
潜伏期間の短縮は、より深刻な植物疫病や病気の拡散を早める可能性がある。
したがって、効果的な疾患管理戦略が緊急に必要である。
これらの課題に対処するため,早期疾患検出のためのディープラーニングモデルの可能性を探る。
しかし、ディープラーニングモデルは、モデルトレーニングに広範囲な処理能力と大量のデータを必要とする。
これらの障壁を克服するため, トレーニング画像と高域通過フィルタを併用して病変葉のコントラストを向上し, 資源制限環境におけるモデルの有効性を著しく向上させる前処理手法を提案する。
本手法とモデルでは,精度,リコール,F1スコア,Dice係数など,すべての評価指標に対して90%以上を達成し,高い性能を示した。
実験の結果,この手法は2種類の画像前処理技術や,未修正のフルカラー画像など,他の手法よりも優れていることがわかった。
関連論文リスト
- Exploring the Feasibility of Deep Learning Models for Long-term Disease Prediction: A Case Study for Wheat Yellow Rust in England [6.760255060153002]
本研究は,イギリスにおけるコムギ黄さびの発生予測に深層学習モデルの適用可能性について検討した。
完全に接続されたニューラルネットワークと長時間の短期記憶を含む2つのディープラーニングモデルを採用しています。
予備的な結果は、深層学習モデルが、病気のダイナミクスに影響を与える複数の要因間の複雑な相互作用を効果的に捉えることができることを示している。
論文 参考訳(メタデータ) (2025-01-26T21:22:54Z) - DiffDoctor: Diagnosing Image Diffusion Models Before Treating [57.82359018425674]
DiffDoctorは2段階のパイプラインで、画像拡散モデルがより少ないアーティファクトを生成するのを支援する。
我々は100万以上の欠陥のある合成画像のデータセットを収集し、効率的なHuman-in-the-loopアノテーションプロセスを構築した。
そして、学習したアーティファクト検出器を第2段階に巻き込み、各画像に画素ごとの信頼マップを割り当てて拡散モデルをチューニングする。
論文 参考訳(メタデータ) (2025-01-21T18:56:41Z) - Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis [55.959002385347645]
大規模なデータセットのトレーニングによるスケーリングは、画像生成の品質と忠実度を高め、拡散モデルによる操作を可能にすることが示されている。
遅延ドリフトにより、医療画像に対して拡散モデルを条件付けし、反ファクト画像生成の複雑なタスクに適合させることができる。
本研究は,異なる微調整方式と組み合わせた場合,様々なシナリオにおいて顕著な性能向上を示すものである。
論文 参考訳(メタデータ) (2024-12-30T01:59:34Z) - Small data deep learning methodology for in-field disease detection [6.2747249113031325]
本稿では,ポテト作物の遅発症状を軽度に検出できる最初の機械学習モデルを提案する。
提案手法は, 焦点損失関数を持つ深部畳み込みニューラルネットワークをベースとした, パッチ方式による高分解能画像の高精細化を実現する。
本モデルでは, 早期症状の同定に高い精度と有効性を示した。
論文 参考訳(メタデータ) (2024-09-25T17:31:17Z) - Multi-scale Spatio-temporal Transformer-based Imbalanced Longitudinal
Learning for Glaucoma Forecasting from Irregular Time Series Images [45.894671834869975]
緑内障は、進行性視神経線維損傷と不可逆性失明を引き起こす主要な眼疾患の1つである。
逐次画像入力に適した変換器アーキテクチャに基づくマルチスケール時空間変換器ネットワーク(MST-former)を提案する。
本手法は, 軽度認知障害とアルツハイマー病の予測に90.3%の精度で, アルツハイマー病神経画像イニシアチブ(ADNI)MRIデータセットに優れた一般化能力を示す。
論文 参考訳(メタデータ) (2024-02-21T02:16:59Z) - Enhance Eye Disease Detection using Learnable Probabilistic Discrete Latents in Machine Learning Architectures [1.6000489723889526]
糖尿病網膜症や緑内障などの眼疾患は、公衆衛生上の重大な課題となる。
深層学習モデルは、網膜イメージングのような医療画像を分析する強力なツールとして登場した。
課題は、モデル適合性と不確実性の推定であり、これは臨床的な意思決定に不可欠である。
論文 参考訳(メタデータ) (2024-01-21T04:14:54Z) - An Effective Scheme for Maize Disease Recognition based on Deep Networks [0.0]
植物の病気は食品の安全性に影響を与え、農産物の品質と量を大幅に減少させる。
病気の正確かつタイムリーな診断には多くの課題がある。
本研究は、上記の課題を克服するために、ディープニューラルネットワークに基づく新しいスキームを提案する。
論文 参考訳(メタデータ) (2022-05-09T12:37:11Z) - 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) - On the Robustness of Pretraining and Self-Supervision for a Deep
Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
糖尿病網膜症における訓練方法の違いによる影響を比較検討した。
本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。
以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
論文 参考訳(メタデータ) (2021-06-25T08:32:45Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳(メタデータ) (2020-04-22T07:30:56Z)
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。