論文の概要: YOLOv8-Based Deep Learning Model for Automated Poultry Disease Detection and Health Monitoring paper

• arxiv url: http://arxiv.org/abs/2508.04658v1
• Date: Wed, 06 Aug 2025 17:27:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-07 20:09:22.84647
• Title: YOLOv8-Based Deep Learning Model for Automated Poultry Disease Detection and Health Monitoring paper
• Title（参考訳）: YOLOv8を用いた養鶏病自動検出と健康モニタリング用紙の深層学習モデル
• Authors: Akhil Saketh Reddy Sabbella, Ch. Lakshmi Prachothan, Eswar Kumar Panta,
• Abstract要約: この研究は、高解像度チキン写真を分析するシステムを開発することで、AIベースのアプローチを提案する。 このアルゴリズムは、感染したニワトリの正確なリアルタイム識別を提供する。 YOLO v8のリアルタイム機能は、農場管理技術を改善するためのスケーラブルで効果的な方法を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the poultry industry, detecting chicken illnesses is essential to avoid financial losses. Conventional techniques depend on manual observation, which is laborious and prone to mistakes. Using YOLO v8 a deep learning model for real-time object recognition. This study suggests an AI based approach, by developing a system that analyzes high resolution chicken photos, YOLO v8 detects signs of illness, such as abnormalities in behavior and appearance. A sizable, annotated dataset has been used to train the algorithm, which provides accurate real-time identification of infected chicken and prompt warnings to farm operators for prompt action. By facilitating early infection identification, eliminating the need for human inspection, and enhancing biosecurity in large-scale farms, this AI technology improves chicken health management. The real-time features of YOLO v8 provide a scalable and effective method for improving farm management techniques.
• Abstract（参考訳）: 養鶏業界では、鶏の病気の発見は経済的損失を避けるために不可欠である。 従来の技術は手作業による観察に依存しており、これは手間がかかり、間違いを犯しがちである。 YOLO v8はリアルタイムオブジェクト認識のためのディープラーニングモデルである。 この研究は、高解像度チキン写真を分析するシステムを開発することで、AIベースのアプローチを提案する。 このアルゴリズムは、感染したニワトリの正確なリアルタイム識別と、農夫に迅速な行動の警告を与える。 早期感染の特定を容易にし、人間の検査の必要性をなくし、大規模農場でのバイオセキュリティを強化することにより、このAI技術は鶏の健康管理を改善する。 YOLO v8のリアルタイム機能は、農場管理技術を改善するためのスケーラブルで効果的な方法を提供する。

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)
• A Hybrid ConvNeXt-EfficientNet AI Solution for Precise Falcon Disease Detection [0.17476232824732776]
  本稿では、ファルコン病の分類にConvNeXtとEfficientNetのハイブリッドを用いた革新的な手法を提案する。 本研究は, 正常, 肝疾患, アスペルギルス症の3つの病態を正確に同定することに焦点を当てた。
  論文  参考訳（メタデータ） (2025-06-08T17:01:44Z)
• Urinary Tract Infection Detection in Digital Remote Monitoring: Strategies for Managing Participant-Specific Prediction Complexity [43.108040967674185]
  尿路感染症(UTIs)は特に認知症(PLWD)の患者にとって重要な健康上の問題である この研究は、PLWDのUTIを検出する機械学習(ML)を利用した以前の研究に基づいている。
  論文  参考訳（メタデータ） (2025-02-18T12:01:55Z)
• AI-Powered Cow Detection in Complex Farm Environments [7.956743113777889]
  既存の牛検出アルゴリズムは、現実世界の農業環境において課題に直面している。 本研究では、6つの環境から得られた多様な牛のデータセットを用いてこれらの課題に対処する。 YOLOv8-CBAM は YOLOv8 を2.3%向上させ、95.2% の精度で、mAP@0.5:0.95 の82.6%を達成した。
  論文  参考訳（メタデータ） (2025-01-03T19:54:38Z)
• 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)
• Self-Supervised Time-Series Anomaly Detection Using Learnable Data Augmentation [37.72735288760648]
  本稿では,学習可能なデータ拡張に基づく時系列異常検出(LATAD)手法を提案する。 LATADは、比較学習を通じて時系列データから識別的特徴を抽出する。 その結果、LATADは最先端の異常検出評価に匹敵する、あるいは改善された性能を示した。
  論文  参考訳（メタデータ） (2024-06-18T04:25:56Z)
• Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
  機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。 モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
  論文  参考訳（メタデータ） (2023-03-02T17:27:45Z)
• Self-supervised contrastive learning of echocardiogram videos enables label-efficient cardiac disease diagnosis [48.64462717254158]
  心エコービデオを用いた自己教師型コントラスト学習手法であるエコーCLRを開発した。 左室肥大症 (LVH) と大動脈狭窄症 (AS) の分類成績は,EchoCLR の訓練により有意に改善した。 EchoCLRは、医療ビデオの表現を学習する能力に特有であり、SSLがラベル付きデータセットからラベル効率の高い疾患分類を可能にすることを実証している。
  論文  参考訳（メタデータ） (2022-07-23T19:17:26Z)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• 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)
• Dairy Cow rumination detection: A deep learning approach [0.8312466807725921]
  交配行動は、畜産の発展と収量を追跡するための重要な変数です。 現代のアタッチメントデバイスは、牛にとって侵襲的で、ストレスがあり、不快である。 本研究では,CNN(Convolution Neural Network)に基づくディープラーニングモデルを用いた革新的なモニタリング手法を提案する。
  論文  参考訳（メタデータ） (2021-01-07T07:33:32Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。