論文の概要: Optimized Custom CNN for Real-Time Tomato Leaf Disease Detection

• arxiv url: http://arxiv.org/abs/2502.18521v1
• Date: Sun, 23 Feb 2025 18:27:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:57:37.730808
• Title: Optimized Custom CNN for Real-Time Tomato Leaf Disease Detection
• Title（参考訳）: リアルタイムトマト葉病検出のためのカスタムCNNの最適化
• Authors: Mangsura Kabir Oni, Tabia Tanzin Prama,
• Abstract要約: バングラデシュではトマトは主要な野菜であり、様々な料理の用途でその汎用性に評価される。 病気の早期発見は、タイムリーな介入を実行し、トマト生産の持続可能性を確保するために重要である。 従来の手動検査法は効果があるが、労働集約的であり、人的ミスを起こしやすい。 本研究では,畳み込みニューラルネットワーク(CNN)を用いた疾患自動検出システムの開発を試みた。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In Bangladesh, tomatoes are a staple vegetable, prized for their versatility in various culinary applications. However, the cultivation of tomatoes is often hindered by a range of diseases that can significantly reduce crop yields and quality. Early detection of these diseases is crucial for implementing timely interventions and ensuring the sustainability of tomato production. Traditional manual inspection methods, while effective, are labor-intensive and prone to human error. To address these challenges, this research paper sought to develop an automated disease detection system using Convolutional Neural Networks (CNNs). A comprehensive dataset of tomato leaves was collected from the Brahmanbaria district, preprocessed to enhance image quality, and then applied to various deep learning models. Comparative performance analysis was conducted between YOLOv5, MobileNetV2, ResNet18, and our custom CNN model. In our study, the Custom CNN model achieved an impressive accuracy of 95.2%, significantly outperforming the other models, which achieved an accuracy of 77%, 89.38% and 71.88% respectively. While other models showed solid performance, our Custom CNN demonstrated superior results specifically tailored for the task of tomato leaf disease detection. These findings highlight the strong potential of deep learning techniques for improving early disease detection in tomato crops. By leveraging these advanced technologies, farmers can gain valuable insights to detect diseases at an early stage, allowing for more effective management practices. This approach not only promises to boost tomato yields but also contributes to the sustainability and resilience of the agricultural sector, helping to mitigate the impact of plant diseases on crop production.
• Abstract（参考訳）: バングラデシュではトマトは主要な野菜であり、様々な料理の用途でその汎用性に評価される。 しかし、トマトの栽培は、作物の収量や品質を著しく低下させる様々な病気によって妨げられていることが多い。 これらの病気の早期発見は、タイムリーに介入し、トマト生産の持続可能性を確保するために重要である。 従来の手動検査法は効果があるが、労働集約的であり、人的ミスを起こしやすい。 これらの課題に対処するため,コンボリューショナルニューラルネットワーク(CNN)を用いた自動疾患検出システムの開発を試みた。 トマト葉の包括的データセットをBrahmanbaria地区から収集し、画像品質を向上させるために前処理し、様々なディープラーニングモデルに適用した。 YOLOv5, MobileNetV2, ResNet18, および我々のカスタムCNNモデルの比較性能解析を行った。 この研究では、カスタムCNNモデルは95.2%の精度を達成し、他のモデルよりも大幅に優れ、それぞれ77%、89.38%、71.88%の精度を達成した。 他のモデルでは良好な成績を示したが、カスタムCNNではトマト葉病検出に特化して優れた成績を示した。 これらの知見は, トマト作物の早期疾患検出における深層学習技術の強い可能性を示すものである。 これらの先進技術を活用することで、農家は病気を早期に検出するための貴重な洞察を得ることができ、より効果的な管理の実践を可能にします。 このアプローチはトマトの収量を増加させるだけでなく、農業セクターの持続可能性やレジリエンスにも寄与し、植物病の作物生産への影響を軽減するのに役立つ。

関連論文リスト

• Aggrotech: Leveraging Deep Learning for Sustainable Tomato Disease Management [0.0]
  2つの確立された畳み込みニューラルネットワーク(CNN)を用いた深層学習によるトマト葉病検出手法を提案する。 VGG19とインセプションv3モデルはトマトの葉病検出のためにトマトビレッジデータセット(4525画像)に採用されている。 降水層の93.93%の精度は、作物の健康モニタリングに有用であることを示している。
  論文  参考訳（メタデータ） (2025-01-21T11:25:44Z)
• 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)
• Automated Disease Diagnosis in Pumpkin Plants Using Advanced CNN Models [0.0]
  パンプキンは世界中で栽培される重要な作物であり、その生産力は特に発展途上国において食糧安全保障に不可欠である。 機械学習とディープラーニングの最近の進歩は、植物病検出の精度を自動化し改善するための有望なソリューションを提供する。 本稿では,カボチャ葉の病原体分類のための最先端の畳み込みニューラルネットワーク(CNN)モデルについて包括的解析を行った。
  論文  参考訳（メタデータ） (2024-09-29T14:31:23Z)
• Enhancing Plant Disease Detection: A Novel CNN-Based Approach with Tensor Subspace Learning and HOWSVD-MD [3.285994579445155]
  本稿では,トマト葉病の検出・分類のための最先端技術を紹介する。 本稿では,高次白色特異値分解(Higher-Order Whitened Singular Value Decomposition)と呼ばれる部分空間学習領域における高度なアプローチを提案する。 このイノベーティブな手法の有効性は、2つの異なるデータセットに関する包括的な実験を通じて厳密に検証された。
  論文  参考訳（メタデータ） (2024-05-30T13:46:56Z)
• Early and Accurate Detection of Tomato Leaf Diseases Using TomFormer [0.3169023552218211]
  本稿ではトマト葉病検出のためのトランスフォーマーモデルTomFormerを紹介する。 本稿では,視覚変換器と畳み込みニューラルネットワークを組み合わせた融合モデルを用いて,トマト葉病の検出手法を提案する。
  論文  参考訳（メタデータ） (2023-12-26T20:47:23Z)
• A Stitch in Time Saves Nine: Detecting and Mitigating Hallucinations of LLMs by Validating Low-Confidence Generation [76.34411067299331]
  大規模な言語モデルは、しばしば信頼性を著しく損なう「ハロシン化」する傾向がある。 生成過程における幻覚を積極的に検出・緩和する手法を提案する。 提案手法は, GPT-3.5モデルの幻覚を平均47.5%から14.5%に低減する。
  論文  参考訳（メタデータ） (2023-07-08T14:25:57Z)
• Early Detection of Late Blight Tomato Disease using Histogram Oriented Gradient based Support Vector Machine [2.3210922904864955]
  本研究は,トマトの遅発性病を早期に検出するための新しいスマート技術を提案する。 提案したSVMとHOGのハイブリッドアルゴリズムは,トマトの遅発性病の早期発見に有意な可能性を秘めている。
  論文  参考訳（メタデータ） (2023-06-14T07:58:14Z)
• Let's Verify Step by Step [73.58107073356732]
  プロセスの監督は,課題を解決するためのトレーニングモデルにおいて,結果の監督を著しく上回っていることを示す。 我々のモデルは、MATHテストセットの代表部分集合から78%の問題を解く。 また、最高の報酬モデルをトレーニングするために使われる80,000段階の人間フィードバックラベルの完全なデータセットであるPRM800Kをリリースしています。
  論文  参考訳（メタデータ） (2023-05-31T17:24:00Z)
• Agave crop segmentation and maturity classification with deep learning data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
  超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。 実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。 結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
  論文  参考訳（メタデータ） (2023-03-21T03:15:29Z)
• 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)
• 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)

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。