論文の概要: Advanced Machine Learning Framework for Efficient Plant Disease Prediction

• arxiv url: http://arxiv.org/abs/2409.05174v1
• Date: Sun, 8 Sep 2024 18:14:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-10 17:08:26.839860
• Title: Advanced Machine Learning Framework for Efficient Plant Disease Prediction
• Title（参考訳）: 効率的な植物病予測のための高度な機械学習フレームワーク
• Authors: Aswath Muthuselvam, S. Sowdeshwar, M. Saravanan, Satheesh K. Perepu,
• Abstract要約: 本稿では,スマート農業プラットフォーム構築のための高度な機械学習手法の新たな組み合わせについて検討する。 本システムでは, 被影響画像から植物の病原体を同定するために, 深層学習技術を利用する。 自然言語処理技術は、ユーザコミュニティが投稿したソリューションのランク付けに使用される。
• 参考スコア（独自算出の注目度）: 0.8249694498830561
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, Machine Learning (ML) methods are built-in as an important component in many smart agriculture platforms. In this paper, we explore the new combination of advanced ML methods for creating a smart agriculture platform where farmers could reach out for assistance from the public, or a closed circle of experts. Specifically, we focus on an easy way to assist the farmers in understanding plant diseases where the farmers can get help to solve the issues from the members of the community. The proposed system utilizes deep learning techniques for identifying the disease of the plant from the affected image, which acts as an initial identifier. Further, Natural Language Processing techniques are employed for ranking the solutions posted by the user community. In this paper, a message channel is built on top of Twitter, a popular social media platform to establish proper communication among farmers. Since the effect of the solutions can differ based on various other parameters, we extend the use of the concept drift approach and come up with a good solution and propose it to the farmer. We tested the proposed framework on the benchmark dataset, and it produces accurate and reliable results.
• Abstract（参考訳）: 近年,多くのスマート農業プラットフォームにおいて,機械学習(ML)メソッドが重要なコンポーネントとして組み込まれている。 本稿では,農家が一般からの援助を受けることのできるスマート農業プラットフォームを構築するための,高度なML手法の新たな組み合わせについて検討する。 具体的には、農家が地域社会の問題解決に役立てられる植物病の理解を、農家が容易に支援できる方法に焦点をあてる。 本システムでは, 被影響画像から植物の病原体を同定する深層学習技術を用いて, 初期識別子として機能する。 さらに、自然言語処理技術は、ユーザコミュニティが投稿したソリューションのランク付けに使用される。 本稿では,農家間の適切なコミュニケーションを確立するために,人気のあるソーシャルメディアプラットフォームであるTwitter上にメッセージチャネルを構築した。 ソリューションの効果は他の様々なパラメータによって異なるため、概念ドリフトアプローチの利用を拡張して、良い解決策を考え出し、農家に提案する。 提案したフレームワークをベンチマークデータセット上でテストし,正確で信頼性の高い結果を得た。

関連論文リスト

• SMARD: A Cost Effective Smart Agro Development Technology for Crops Disease Classification [0.0]
  SMARD」プロジェクトは、国内の農業部門を強化することを目的としている。 農夫に作物管理、種選別、疾病管理のベストプラクティスに関する情報を提供する。 農家は、テキストメッセージ、音声通話、ビデオ通話を通じて専門家パネルに連絡して、肥料、種子、農薬を低価格で購入することもできる。
  論文  参考訳（メタデータ） (2024-05-17T05:14:39Z)
• MOKA: Open-World Robotic Manipulation through Mark-Based Visual Prompting [97.52388851329667]
  我々は,自由形式の言語命令で指定されたロボット操作タスクを解決するために,マーキングオープンワールドキーポイントアフォード(Moka)を導入する。 我々のアプローチの中心は、VLMの観測画像と物理世界におけるロボットの行動に関する予測を橋渡しする、コンパクトな点ベースの可測性表現である。 ツールの使用,変形可能な身体操作,オブジェクト再構成など,さまざまなテーブルトップ操作タスクにおけるMokaの性能評価と解析を行った。
  論文  参考訳（メタデータ） (2024-03-05T18:08:45Z)
• Informed Meta-Learning [55.2480439325792]
  メタラーニングとインシデントMLは、事前知識をMLパイプラインに組み込むための2つのアプローチとして際立っている。 我々は,非構造化知識表現からの事前の取り込みを容易にする,情報メタラーニングというハイブリッドパラダイムを定式化する。 データ効率、観測ノイズに対する堅牢性、タスク分散シフトを改善する上で、情報メタラーニングの潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2024-02-25T15:08:37Z)
• Embedding in Recommender Systems: A Survey [67.67966158305603]
  重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。 埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。 この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
  論文  参考訳（メタデータ） (2023-10-28T06:31:06Z)
• Deep Learning based Tomato Disease Detection and Remedy Suggestions using Mobile Application [0.4999814847776098]
  我々は,従来の農法を実践する農家を支援するコンピュータシステムを開発し,作物病に対処する農業専門家に限定的にアクセスできるようにした。 本システムでは,人工知能(AI)を用いて野菜病の診断・治療を行う。 開発システムは、スマートフォンの基本的な知識を持つ農夫でも利用することができる。
  論文  参考訳（メタデータ） (2023-08-16T07:13:22Z)
• 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)
• Automated Wheat Disease Detection using a ROS-based Autonomous Guided UAV [0.0]
  小麦畑のモニタリング作業を自動化するために、無人航空機にスマート自律システムが実装されている。 画像に基づくディープラーニングアプローチは、病気に感染した小麦の植物を検出し分類するために用いられる。 ロボットオペレーティングシステムとガゼボ環境におけるシミュレーションを用いて,マッピングとナビゲーションシステムを提案する。
  論文  参考訳（メタデータ） (2022-06-30T06:12:48Z)
• 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)
• Federated Learning: A Signal Processing Perspective [144.63726413692876]
  フェデレーションラーニングは、データを明示的に交換することなく、ローカルデータセットを保持する複数のエッジデバイスでモデルをトレーニングするための新しい機械学習パラダイムです。 本稿では、信号処理ツールを用いて扱うのが自然である主な課題をカプセル化し、強調する、連合学習のための統一的な体系的フレームワークを提供する。
  論文  参考訳（メタデータ） (2021-03-31T15:14:39Z)
• Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
  建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。 本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。 本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
  論文  参考訳（メタデータ） (2021-01-24T05:40:29Z)
• High-Throughput Image-Based Plant Stand Count Estimation Using Convolutional Neural Networks [23.67862313758282]
  早期の表現学的段階における画像ベースコーンスタンド数に対するディープラーニングに基づくアプローチであるDeepStandを提案する。 提案手法はトウモロコシの立ち位置を計測し,他の最先端の方法よりも優れる。
  論文  参考訳（メタデータ） (2020-10-23T17:28:29Z)

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。