論文の概要: Empowering Agricultural Insights: RiceLeafBD - A Novel Dataset and Optimal Model Selection for Rice Leaf Disease Diagnosis through Transfer Learning Technique

• arxiv url: http://arxiv.org/abs/2501.08912v1
• Date: Wed, 15 Jan 2025 16:20:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-16 15:52:18.899533
• Title: Empowering Agricultural Insights: RiceLeafBD - A Novel Dataset and Optimal Model Selection for Rice Leaf Disease Diagnosis through Transfer Learning Technique
• Title（参考訳）: 米葉病診断のための新しいデータセットと最適モデル選択法
• Authors: Sadia Afrin Rimi, Md. Jalal Uddin Chowdhury, Rifat Abdullah, Iftekhar Ahmed, Mahrima Akter Mim, Mohammad Shoaib Rahman,
• Abstract要約: 世界の人口の半数以上に食糧を供給するため、米は最も重要な栽培作物の1つである。 早期の病原体検出は、稲作の栽培において主要な困難である。 このデータを用いて, イネの葉に影響を及ぼす病原体を正確に, 効果的に同定できることが実証された。
• 参考スコア（独自算出の注目度）: 3.5432439534255002
• License:
• Abstract: The number of people living in this agricultural nation of ours, which is surrounded by lush greenery, is growing on a daily basis. As a result of this, the level of arable land is decreasing, as well as residential houses and industrial factories. The food crisis is becoming the main threat for us in the upcoming days. Because on the one hand, the population is increasing, and on the other hand, the amount of food crop production is decreasing due to the attack of diseases. Rice is one of the most significant cultivated crops since it provides food for more than half of the world's population. Bangladesh is dependent on rice (Oryza sativa) as a vital crop for its agriculture, but it faces a significant problem as a result of the ongoing decline in rice yield brought on by common diseases. Early disease detection is the main difficulty in rice crop cultivation. In this paper, we proposed our own dataset, which was collected from the Bangladesh field, and also applied deep learning and transfer learning models for the evaluation of the datasets. We elaborately explain our dataset and also give direction for further research work to serve society using this dataset. We applied a light CNN model and pre-trained InceptionNet-V2, EfficientNet-V2, and MobileNet-V2 models, which achieved 91.5% performance for the EfficientNet-V2 model of this work. The results obtained assaulted other models and even exceeded approaches that are considered to be part of the state of the art. It has been demonstrated by this study that it is possible to precisely and effectively identify diseases that affect rice leaves using this unbiased datasets. After analysis of the performance of different models, the proposed datasets are significant for the society for research work to provide solutions for decreasing rice leaf disease.
• Abstract（参考訳）: 緑豊かな環境に囲まれているこの農業国に住む人々の数は、日々増え続けている。 これにより、住宅や工業工場と同様に耕作可能な土地の水準が低下している。 食品危機は今後数日で私たちにとって大きな脅威になりつつある。 一方、人口は増加傾向にあり、一方、病気による食料生産量は減少傾向にある。 世界の人口の半数以上に食糧を供給するため、米は最も重要な栽培作物の1つである。 バングラデシュは、その農業にとって重要な作物として米(Oryza sativa)に依存しているが、共通病による稲作の減少が続いているため、重大な問題に直面している。 早期の病原体検出は、稲作の栽培において主要な困難である。 本稿では,バングラデシュのフィールドから収集した独自のデータセットを提案するとともに,データセットの評価にディープラーニングとトランスファー学習モデルを適用した。 このデータセットを詳しく説明するとともに、このデータセットを用いて社会に役立てるためのさらなる研究の方向性を示す。 本研究では, 軽量CNNモデルとインセプションNet-V2, EfficientNet-V2, MobileNet-V2モデルを適用し, 効率の高いNet-V2モデルに対して91.5%の性能を達成した。 その結果、他のモデルも攻撃を受け、最先端のアプローチの一部と見なされるアプローチを超越した。 本研究では,この無バイアスデータセットを用いて,イネの葉に影響を及ぼす病原体を高精度かつ効果的に同定できることを実証した。 異なるモデルの性能を解析した結果, 提案したデータセットは, イネの葉の病害軽減のための解決策を提供するための研究研究の社会にとって重要である。

関連論文リスト

• Agri-LLaVA: Knowledge-Infused Large Multimodal Assistant on Agricultural Pests and Diseases [49.782064512495495]
  農業分野における最初のマルチモーダル・インストラクション・フォロー・データセットを構築した。 このデータセットは、約40万のデータエントリを持つ221種類以上の害虫と病気をカバーしている。 本稿では,農業用マルチモーダル対話システムであるAgri-LLaVAを開発するための知識注入型学習手法を提案する。
  論文  参考訳（メタデータ） (2024-12-03T04:34:23Z)
• Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
  本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。 我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-07T22:29:05Z)
• A Machine Learning Approach for Crop Yield and Disease Prediction Integrating Soil Nutrition and Weather Factors [0.0]
  バングラデシュにおける作物選択・病気予測のための知的農業意思決定支援システムの開発が主な目的である。 推奨されるアプローチは、作物の生産、土壌条件、農業・気象地域、作物病、気象要因に関する様々なデータセットを使用する。
  論文  参考訳（メタデータ） (2024-03-28T09:57:50Z)
• 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)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• 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)
• 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)
• Rice Leaf Disease Classification and Detection Using YOLOv5 [8.627180519837657]
  農業が直面する主な問題は稲葉病である。 いずれの国の農家も稲葉病に関する知識が乏しいため、稲葉病を正しく診断することはできない。 本稿では, YOLOv5 深層学習に基づくイネ葉病の分類と検出法を提案する。
  論文  参考訳（メタデータ） (2022-09-04T09:27:57Z)
• Predicting rice blast disease: machine learning versus process based models [0.7130302992490972]
  稲芽病は水稲栽培において最も重要な生物的制約であり、毎年何百万ドルもの損失を生んでいる。 稲芽予測は、稲作農家が病気を抑えるための主要な手段である。 本研究は,植物病害管理を支援するためのプロセスベースおよび機械学習モデリングアプローチを初めて比較したものである。
  論文  参考訳（メタデータ） (2020-04-03T14:48:14Z)
• 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。