論文の概要: Vision Meets Language: A RAG-Augmented YOLOv8 Framework for Coffee Disease Diagnosis and Farmer Assistance

• arxiv url: http://arxiv.org/abs/2505.21544v1
• Date: Sat, 24 May 2025 18:51:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.145241
• Title: Vision Meets Language: A RAG-Augmented YOLOv8 Framework for Coffee Disease Diagnosis and Farmer Assistance
• Title（参考訳）: Vision Meets Language: コーヒー病診断と農家支援のためのRAG対応のYOLOv8フレームワーク
• Authors: Semanto Mondal,
• Abstract要約: 本研究では,レトリーバル拡張世代(RAG)を用いて,作物病検出のための文脈認識診断および自然言語処理(NLP)とYOLOv8を提供する,AIに基づく新しい精密農業システムを提案する。 このシステムは,大規模言語モデル(LLM)における主要な問題,特に幻覚に対処し,適応的な治療計画とリアルタイム疾患検出を可能にすることを目的としている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As a social being, we have an intimate bond with the environment. A plethora of things in human life, such as lifestyle, health, and food are dependent on the environment and agriculture. It comes under our responsibility to support the environment as well as agriculture. However, traditional farming practices often result in inefficient resource use and environmental challenges. To address these issues, precision agriculture has emerged as a promising approach that leverages advanced technologies to optimise agricultural processes. In this work, a hybrid approach is proposed that combines the three different potential fields of model AI: object detection, large language model (LLM), and Retrieval-Augmented Generation (RAG). In this novel framework, we have tried to combine the vision and language models to work together to identify potential diseases in the tree leaf. This study introduces a novel AI-based precision agriculture system that uses Retrieval Augmented Generation (RAG) to provide context-aware diagnoses and natural language processing (NLP) and YOLOv8 for crop disease detection. The system aims to tackle major issues with large language models (LLMs), especially hallucinations and allows for adaptive treatment plans and real-time disease detection. The system provides an easy-to-use interface to the farmers, which they can use to detect the different diseases related to coffee leaves by just submitting the image of the affected leaf the model will detect the diseases as well as suggest potential remediation methodologies which aim to lower the use of pesticides, preserving livelihoods, and encouraging environmentally friendly methods. With an emphasis on scalability, dependability, and user-friendliness, the project intends to improve RAG-integrated object detection systems for wider agricultural applications in the future.
• Abstract（参考訳）: 社会的な存在として、私たちは環境と親密な結びつきを持っている。 生活、健康、食物など、人間の生活における多くのものが環境や農業に依存している。 私たちの責任は、環境と農業を支えることにあります。 しかし、伝統的な農業の慣行は、しばしば非効率な資源利用と環境問題をもたらす。 これらの問題に対処するため、精密農業は先進技術を活用して農業プロセスを最適化する有望なアプローチとして現れてきた。 本研究では、オブジェクト検出、大規模言語モデル(LLM)、レトリーバル拡張生成(RAG)という、モデルAIの3つの潜在的な分野を組み合わせたハイブリッドアプローチを提案する。 本フレームワークでは,木葉の潜在的な疾患を特定するために,視覚モデルと言語モデルを組み合わせることを試みた。 本研究では,レトリーバル拡張世代(RAG)を用いて,作物病検出のための文脈認識診断および自然言語処理(NLP)とYOLOv8を提供する,AIに基づく新しい精密農業システムを提案する。 本システムは,大規模言語モデル(LLM)における主要な問題,特に幻覚に対処し,適応的な治療計画とリアルタイム疾患検出を可能にすることを目的としている。 このシステムは農家に使いやすく、感染した葉のイメージを提出するだけでコーヒーの葉に関連するさまざまな病気を検知し、また、農薬の使用を減らし、生活を保存し、環境に優しい方法を奨励する潜在的な修復方法を提案する。 スケーラビリティ、信頼性、およびユーザフレンドリ性を重視したこのプロジェクトは、将来的にはより広範な農業アプリケーションのためのRAG統合オブジェクト検出システムを改善することを目指している。

関連論文リスト

• A Multimodal Benchmark Dataset and Model for Crop Disease Diagnosis [5.006697347461899]
  本稿では,農学研究の分野を開拓するための先駆的資源である作物病領域マルチモーダルデータセットについて紹介する。 このデータセットは、さまざまな作物の病気の画像13万7000枚と、幅広い農業知識にまたがる100万の質問と回答のペアで構成されている。 我々は,最先端のマルチモーダルモデルを微調整し,作物病診断の大幅な改善を示すことにより,データセットの有用性を実証する。
  論文  参考訳（メタデータ） (2025-03-10T06:37:42Z)
• 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)
• A Semantic Segmentation Approach on Sweet Orange Leaf Diseases Detection Utilizing YOLO [0.0]
  本研究は、YOLOv8のような高度な人工知能モデルを利用して、甘いオレンジの葉の病気を診断する高度な手法を提案する。 YOLOv8はその迅速かつ正確な性能で認識され、VITはその詳細な特徴抽出能力で認識されている。 トレーニングと検証の段階では、YOLOv8の精度は80.4%、VITの精度は99.12%であった。
  論文  参考訳（メタデータ） (2024-09-10T17:40:46Z)
• 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)
• Overcoming LLM Challenges using RAG-Driven Precision in Coffee Leaf Disease Remediation [0.0]
  本研究は、病気の識別にYOLOv8を、コンテキスト認識診断にRAG(Retrieval Augmented Generation)を応用した、革新的なAI駆動型精密農業システムを提案する。 このシステムは、言語モデル(LLM)に関連する固有の制約に対処するために、洗練されたオブジェクト検出技術と言語モデルを統合する。
  論文  参考訳（メタデータ） (2024-05-02T14:19:25Z)
• Leaf-Based Plant Disease Detection and Explainable AI [16.128084819516715]
  農業部門は国の経済成長に不可欠な役割を担っている。 植物病は農業に影響を及ぼす重要な要因の1つである。 研究者は、植物病を検出するAIと機械学習技術に基づく多くのアプリケーションを調査してきた。
  論文  参考訳（メタデータ） (2023-12-17T03:40:12Z)
• 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)
• Domain Generalization for Crop Segmentation with Standardized Ensemble Knowledge Distillation [42.39035033967183]
  サービスロボットは、周囲を理解し、野生のターゲットを識別するリアルタイム認識システムが必要です。 しかし、既存の方法はしばしば、新しい作物や環境条件への一般化において不足している。 本稿では,知識蒸留を用いた領域一般化手法を提案する。
  論文  参考訳（メタデータ） (2023-04-03T14:28:29Z)
• DeepG2P: Fusing Multi-Modal Data to Improve Crop Production [1.7406327893433846]
  本稿では,G,E,Mの入力とその相互作用を処理する自然言語処理に基づくニューラルネットワークアーキテクチャを提案する。 我々は、DNAを自然言語としてモデル化することにより、新しい環境をテストする際に、従来のアプローチよりも優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2022-11-11T03:32:44Z)

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。