論文の概要: Plant Leaf Disease Detection and Classification Using Deep Learning: A Review and A Proposed System on Bangladesh's Perspective

• arxiv url: http://arxiv.org/abs/2501.03305v1
• Date: Mon, 06 Jan 2025 17:43:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-08 15:50:17.385849
• Title: Plant Leaf Disease Detection and Classification Using Deep Learning: A Review and A Proposed System on Bangladesh's Perspective
• Title（参考訳）: 深層学習による植物葉病の検出と分類 : バングラデシュの立場から
• Authors: Md. Jalal Uddin Chowdhury, Zumana Islam Mou, Rezwana Afrin, Shafkat Kibria,
• Abstract要約: 植物病はバングラデシュの農業生産において深刻な障害となっている。 本稿では主に葉の病原体検出のためのより良いモデルを提案する。 提案したCNNモデルは効率よく動作し,検査対象の疾患の検出と分類に成功している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: A very crucial part of Bangladeshi people's employment, GDP contribution, and mainly livelihood is agriculture. It plays a vital role in decreasing poverty and ensuring food security. Plant diseases are a serious stumbling block in agricultural production in Bangladesh. At times, humans can't detect the disease from an infected leaf with the naked eye. Using inorganic chemicals or pesticides in plants when it's too late leads in vain most of the time, deposing all the previous labor. The deep-learning technique of leaf-based image classification, which has shown impressive results, can make the work of recognizing and classifying all diseases trouble-less and more precise. In this paper, we've mainly proposed a better model for the detection of leaf diseases. Our proposed paper includes the collection of data on three different kinds of crops: bell peppers, tomatoes, and potatoes. For training and testing the proposed CNN model, the plant leaf disease dataset collected from Kaggle is used, which has 17,430 images. The images are labeled with 14 separate classes of damage. The developed CNN model performs efficiently and could successfully detect and classify the tested diseases. The proposed CNN model may have great potency in crop disease management.
• Abstract（参考訳）: バングラデシュの人々の雇用、GDPの貢献、主に農業が重要な部分である。 貧困を減らし、食料の安全を確保する上で重要な役割を担っている。 植物病はバングラデシュの農業生産において深刻な障害となっている。 人間は肉眼で感染した葉から病気を検出できないこともある。 無機化学物質や殺虫剤を植物に使用すれば、ほとんどの場合、それまでの作業は無駄になる。 葉をベースとした画像分類のディープラーニング技術は、目覚ましい結果を示し、すべての病気を問題なく正確に認識し分類する作業を可能にする。 本稿では主に葉の病原体検出のためのより良いモデルを提案する。 提案論文は,コショウ,トマト,ジャガイモの3種類の作物のデータ収集を含む。 提案したCNNモデルのトレーニングとテストには、Kaggleから収集した植物葉病データセットを使用し、画像は17,430枚である。 画像には14種類の損傷が記録されている。 開発されたCNNモデルは効率よく動作し、検査済みの疾患を検出し分類することができる。 提案したCNNモデルは、作物病管理において非常に有効である可能性がある。

関連論文リスト

• 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)
• Potato Leaf Disease Classification using Deep Learning: A Convolutional Neural Network Approach [0.0]
  コンボリューショナルニューラルネットワーク(CNN)は、ジャガイモの葉の病気を分類するために用いられる。 CNNモデルは、全体的な精度99.1%であり、2種類のジャガイモの葉の病気を同定するのに非常に正確である。
  論文  参考訳（メタデータ） (2023-11-04T07:16:37Z)
• Plant Disease Detection using Region-Based Convolutional Neural Network [2.5091819952713057]
  農業はバングラデシュの食料と経済において重要な役割を担っている。 低作物生産の主な原因の1つは、多くの細菌、ウイルス、真菌の植物病である。 本稿では,トマトの葉病予測のための軽量深層学習モデルの構築を目的とする。
  論文  参考訳（メタデータ） (2023-03-16T03:43:10Z)
• Paddy Leaf diseases identification on Infrared Images based on Convolutional Neural Networks [0.0]
  本稿では、モデルに基づく畳み込みニューラルネットワーク(CNN)を実装し、636個の赤外線画像サンプルからなる公開データセットをテストする。 提案モデルでは5種類の水田病を同定し分類し,88.28%の精度を達成した。
  論文  参考訳（メタデータ） (2022-07-29T18:24:29Z)
• Paddy Doctor: A Visual Image Dataset for Paddy Disease Classification [0.0]
  パディドクター(Paddy Doctor)は、水田病を識別するための画像データセットである。 本データセットは10クラス(9つの疾患と正常な葉)に13,876点の注釈付き水田葉画像を含む。 我々は、畳み込みニューラルネットワーク(CNN)とVGG16とMobileNetの2つの移行学習アプローチを用いて、パディドクターをベンチマークした。
  論文  参考訳（メタデータ） (2022-05-23T07:57:40Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)
• Intestinal Parasites Classification Using Deep Belief Networks [53.20999552522241]
  40億ドルの人々が腸内寄生虫に感染している。 人間の視覚検査はまだ臨床診断の大部分を担当している。 腸内寄生虫自動分類の文脈に深層信念ネットワークを導入する。
  論文  参考訳（メタデータ） (2021-01-17T18:47:02Z)
• Improved Neural Network based Plant Diseases Identification [0.0]
  農業部門は、多くの人々や食料に基本的な収入を提供するため、すべての国にとって必須であり、この惑星で生き残るための基本的な要件である。 植物病の知識が不十分なため、農家は肥料を過剰に使用し、最終的に食物の品質を低下させる。 現段階では、画像処理は植物の葉の病変領域を識別し、カタログ化するために用いられる。
  論文  参考訳（メタデータ） (2021-01-01T11:49:56Z)
• 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)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)
• 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。