論文の概要: Development of an Improved Capsule-Yolo Network for Automatic Tomato Plant Disease Early Detection and Diagnosis

• arxiv url: http://arxiv.org/abs/2507.03219v1
• Date: Thu, 03 Jul 2025 23:24:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.622844
• Title: Development of an Improved Capsule-Yolo Network for Automatic Tomato Plant Disease Early Detection and Diagnosis
• Title（参考訳）: 自動トマト病の早期発見と診断のためのカプセル・イオロネットワークの開発
• Authors: Idris Ochijenu, Monday Abutu Idakwo, Sani Felix,
• Abstract要約: トマト病は、しばしば異なる形態、外観、またはテクスチャを通して視覚的に識別される。 本研究は,トマト葉画像の重なりと隠蔽を自動的に分割するキャプリル-YOLOネットワークアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Like many countries, Nigeria is naturally endowed with fertile agricultural soil that supports large-scale tomato production. However, the prevalence of disease causing pathogens poses a significant threat to tomato health, often leading to reduced yields and, in severe cases, the extinction of certain species. These diseases jeopardise both the quality and quantity of tomato harvests, contributing to food insecurity. Fortunately, tomato diseases can often be visually identified through distinct forms, appearances, or textures, typically first visible on leaves and fruits. This study presents an enhanced Capsule-YOLO network architecture designed to automatically segment overlapping and occluded tomato leaf images from complex backgrounds using the YOLO framework. It identifies disease symptoms with impressive performance metrics: 99.31% accuracy, 98.78% recall, and 99.09% precision, and a 98.93% F1-score representing improvements of 2.91%, 1.84%, 5.64%, and 4.12% over existing state-of-the-art methods. Additionally, a user-friendly interface was developed to allow farmers and users to upload images of affected tomato plants and detect early disease symptoms. The system also provides recommendations for appropriate diagnosis and treatment. The effectiveness of this approach promises significant benefits for the agricultural sector by enhancing crop yields and strengthening food security.
• Abstract（参考訳）: 多くの国と同様に、ナイジェリアには大規模なトマト生産を支える肥大した農業用土壌が自然に恵まれている。 しかし、病原体の原因となる病気の流行は、トマトの健康に重大な脅威をもたらし、しばしば収量を減らすことや、深刻な場合には特定の種の絶滅につながる。 これらの病気はトマトの収穫の質と量の両方を危うくし、食料の安全性を損なう。 幸いなことに、トマト病はしばしば異なる形態、外観、食感を通して視覚的に識別され、通常、葉や果実で最初に見られる。 そこで本研究では,複雑な背景からトマト葉画像の重なり合いと隠蔽を自動的に分離する,Capsule-YOLOネットワークアーキテクチャを提案する。 99.31%の精度、98.78%のリコール、99.09%の精度、98.93%のF1スコアが2.91%、1.84%、5.64%、および4.12%の既存の最先端の手法よりも優れている。 さらに、農夫やユーザが感染したトマトのイメージをアップロードし、早期の病気の症状を検出するために、ユーザフレンドリーなインターフェースが開発された。 このシステムは適切な診断と治療のためのレコメンデーションも提供する。 このアプローチの有効性は、作物の収量を高め、食料安全保障を強化することにより、農業セクターにとって大きな利益をもたらす。

関連論文リスト

• An efficient plant disease detection using transfer learning approach [0.0]
  植物病は農業と農業に重大な課題をもたらす。 本研究では,移動学習手法を用いて植物病の同定とモニタリングを行うシステムを提案する。 このシステムは、Powdery Mildew、Angular Leaf Spot、Early blight、トマトモザイクウイルスなどの細菌、真菌、ウイルス病の存在を正確に検出することができる。
  論文  参考訳（メタデータ） (2025-06-28T13:47:27Z)
• Optimized Custom CNN for Real-Time Tomato Leaf Disease Detection [0.0]
  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。
  論文  参考訳（メタデータ） (2025-02-23T18:27:08Z)
• 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)
• 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)
• 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)
• 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)
• 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)

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。