論文の概要: Early Diagnosis and Severity Assessment of Weligama Coconut Leaf Wilt Disease and Coconut Caterpillar Infestation using Deep Learning-based Image Processing Techniques

• arxiv url: http://arxiv.org/abs/2501.18835v1
• Date: Fri, 31 Jan 2025 01:02:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-03 14:02:01.035703
• Title: Early Diagnosis and Severity Assessment of Weligama Coconut Leaf Wilt Disease and Coconut Caterpillar Infestation using Deep Learning-based Image Processing Techniques
• Title（参考訳）: 深層学習を用いたココナッツリーフウィルト病およびココナッツカタピラー感染の早期診断と重症度評価
• Authors: Samitha Vidhanaarachchi, Janaka L. Wijekoon, W. A. Shanaka P. Abeysiriwardhana, Malitha Wijesundara,
• Abstract要約: Weligama Coconut Leaf Wilt Disease (WCWLD) とCoconut Caterpillar Infestation (CCI) はココナッツに被害を与える。 現在、WCWLDとCCIは、現場での人間の観察を通して検出されている。 本稿では、WCWLDとCCIを識別するために、トランスファーラーニングに基づく畳み込みニューラルネットワーク(CNN)とマスクリージョンベースのCNN(Mask R-CNN)を用いることの有効性を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Global Coconut (Cocos nucifera (L.)) cultivation faces significant challenges, including yield loss, due to pest and disease outbreaks. In particular, Weligama Coconut Leaf Wilt Disease (WCWLD) and Coconut Caterpillar Infestation (CCI) damage coconut trees, causing severe coconut production loss in Sri Lanka and nearby coconut-producing countries. Currently, both WCWLD and CCI are detected through on-field human observations, a process that is not only time-consuming but also limits the early detection of infections. This paper presents a study conducted in Sri Lanka, demonstrating the effectiveness of employing transfer learning-based Convolutional Neural Network (CNN) and Mask Region-based-CNN (Mask R-CNN) to identify WCWLD and CCI at their early stages and to assess disease progression. Further, this paper presents the use of the You Only Look Once (YOLO) object detection model to count the number of caterpillars distributed on leaves with CCI. The introduced methods were tested and validated using datasets collected from Matara, Puttalam, and Makandura, Sri Lanka. The results show that the proposed methods identify WCWLD and CCI with an accuracy of 90% and 95%, respectively. In addition, the proposed WCWLD disease severity identification method classifies the severity with an accuracy of 97%. Furthermore, the accuracies of the object detection models for calculating the number of caterpillars in the leaflets were: YOLOv5-96.87%, YOLOv8-96.1%, and YOLO11-95.9%.
• Abstract（参考訳）: グローバルココナッツ(Cocos nucifera (L.))の栽培は、害虫や病気の発生による収量減少などの重大な課題に直面している。 特に、Weligama Coconut Leaf Wilt Disease (WCWLD) とCoconut Caterpillar Infestation (CCI) はココナッツの木に被害を与え、スリランカと近隣のココナッツ生産国で深刻なココナッツ生産の損失をもたらした。 現在、WCWLDとCCIは、人体での観察を通じて検出されている。 本稿では、スリランカで実施した研究で、移行学習に基づく畳み込みニューラルネットワーク(CNN)とマスク地域ベースのCNN(Mask R-CNN)を用いて、早期にWCWLDとCCIを同定し、疾患の進行を評価することの有効性を実証する。 さらに, 葉に分布する毛虫の数をCCIでカウントするために, You Only Look Once (YOLO) オブジェクト検出モデルを用いた。 導入した手法は、マタラ、プタラム、スリランカのマカンドゥラから収集されたデータセットを用いて試験・検証された。 その結果,提案手法はWCWLDとCCIを90%,CCIは95%の精度で識別できることがわかった。 さらに,WCWLD病重症度同定法では,重症度を97%の精度で分類する。 さらに、葉の毛虫数を計算するための対象検出モデルの精度は、YOLOv5-96.87%、YOLOv8-96.1%、YOLO11-95.9%であった。

関連論文リスト

• PND-Net: Plant Nutrition Deficiency and Disease Classification using Graph Convolutional Network [18.778641229886393]
  本稿では,グラフ畳み込みネットワーク(GNN)を用いた植物栄養障害と疾患分類の新しい深層学習法を提案する。 The proposed method, called Plant Nutrition Deficiency and Disease Network (PND-Net) was evaluate on two public datasets for nutrition deficiency, and two for disease classification using four CNNs。
  論文  参考訳（メタデータ） (2024-10-16T17:01:28Z)
• Unlearnable Examples Detection via Iterative Filtering [84.59070204221366]
  ディープニューラルネットワークは、データ中毒攻撃に弱いことが証明されている。 混合データセットから有毒なサンプルを検出することは極めて有益であり、困難である。 UE識別のための反復フィルタリング手法を提案する。
  論文  参考訳（メタデータ） (2024-08-15T13:26:13Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Deep Learning-Based Computational Model for Disease Identification in Cocoa Pods (Theobroma cacao L.) [0.0]
  ココアポッドの病気の早期発見は、高品質のココアの生産を保証する重要な課題である。 機械学習、コンピュータビジョン、ディープラーニングといった人工知能技術の利用は、ココアポッドの病気を特定し分類するための有望なソリューションである。 本稿では,ココアポッドの病気の同定に応用した深層学習計算モデルの開発と評価について紹介する。
  論文  参考訳（メタデータ） (2024-01-02T15:23:09Z)
• How Does Pruning Impact Long-Tailed Multi-Label Medical Image Classifiers? [49.35105290167996]
  プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。 この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
  論文  参考訳（メタデータ） (2023-08-17T20:40:30Z)
• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• Coconut trees detection and segmentation in aerial imagery using mask region-based convolution neural network [3.8902657229395907]
  深層学習のアプローチは、世界銀行がOpenMapとWeRoboticsと共同で提供している空中画像におけるココナッツトレーの検知とセグメンテーションのためのものである。 全体の91%がココナッツ樹検出の平均精度であった。
  論文  参考訳（メタデータ） (2021-05-10T13:42:19Z)
• Artificial intelligence for detection and quantification of rust and leaf miner in coffee crop [0.0]
  コーヒーの葉に錆(Hemileia vastatrix)と葉の鉱夫(Leucoptera coffeella)を検出するアルゴリズムを作成します。 モデル推論のための高レベルインタフェースとして,モバイルアプリケーションを用いて病気の重症度を定量化する。
  論文  参考訳（メタデータ） (2021-03-20T20:52:11Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• SSM-Net for Plants Disease Identification in Low Data Regime [0.0]
  植物病の検出は農業生産の増加に欠かせない要素である。 特定の植物種にかかわる病気のあらゆる形態に関する大量のデータを集めることは、非常に不便である。 本稿では,低データ環境における疾患検出の課題に対処する,メトリクスベースの数ショット学習型SSMネットアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-05-27T03:43:38Z)
• Automated Quantification of CT Patterns Associated with COVID-19 from Chest CT [48.785596536318884]
  提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。 この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。 このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
  論文  参考訳（メタデータ） (2020-04-02T21:49:14Z)

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。