論文の概要: Early Detection of Branched Broomrape (Phelipanche ramosa) Infestation in Tomato Crops Using Leaf Spectral Analysis and Machine Learning
- arxiv url: http://arxiv.org/abs/2509.12074v1
- Date: Mon, 15 Sep 2025 16:00:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-16 17:26:23.383773
- Title: Early Detection of Branched Broomrape (Phelipanche ramosa) Infestation in Tomato Crops Using Leaf Spectral Analysis and Machine Learning
- Title（参考訳）: リーフスペクトル分析と機械学習によるトマト作物の枝分かれ性Broomrape(Phelipanche ramosa)感染の早期検出
- Authors: Mohammadreza Narimani, Alireza Pourreza, Ali Moghimi, Parastoo Farajpoor, Hamid Jafarbiglu, Mohsen B. Mesgaran,
- Abstract要約: 枝分かれしたほうきは、宿主から栄養素を抽出することでトマト生産を脅かす。
葉面スペクトル反射率とアンサンブル機械学習を用いた早期検出について検討した。
- 参考スコア（独自算出の注目度）: 0.2770822269241974
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Branched broomrape (Phelipanche ramosa) is a chlorophyll-deficient parasitic weed that threatens tomato production by extracting nutrients from the host. We investigate early detection using leaf-level spectral reflectance (400-2500 nm) and ensemble machine learning. In a field experiment in Woodland, California, we tracked 300 tomato plants across growth stages defined by growing degree days (GDD). Leaf reflectance was acquired with a portable spectrometer and preprocessed (band denoising, 1 nm interpolation, Savitzky-Golay smoothing, correlation-based band reduction). Clear class differences were observed near 1500 nm and 2000 nm water absorption features, consistent with reduced leaf water content in infected plants at early stages. An ensemble combining Random Forest, XGBoost, SVM with RBF kernel, and Naive Bayes achieved 89% accuracy at 585 GDD, with recalls of 0.86 (infected) and 0.93 (noninfected). Accuracy declined at later stages (e.g., 69% at 1568 GDD), likely due to senescence and weed interference. Despite the small number of infected plants and environmental confounders, results show that proximal sensing with ensemble learning enables timely detection of broomrape before canopy symptoms are visible, supporting targeted interventions and reduced yield losses.
- Abstract（参考訳）: クロロフィル欠損寄生雑草(Phelipanche ramosa)は、宿主から栄養素を抽出することによってトマト生産を脅かす。
葉面スペクトル反射(400-2500nm)とアンサンブル機械学習を用いた早期検出について検討した。
カリフォルニア州ウッドランドで行なわれた野外実験では、成長期(GDD)で定義された成長段階にわたって、300種のトマト植物を追跡した。
葉の反射率を可搬型分光計で取得し, 前処理した(バンド分解, 1nm補間, Savitzky-Golay平滑化, 相関に基づくバンド還元)。
1500 nm, 2000 nm nm の吸水特性は, 感染植物の初期における葉分含量の減少と一致した。
Random Forest, XGBoost, SVM with RBF kernel, and Naive Bayes のアンサンブルは 585 GDD で 89% の精度を達成し、0.86 (感染) と 0.93 (非感染) をリコールした。
後段 (例: 69%, 1568 GDD) では, 老化と雑草の干渉が原因と考えられた。
感染した植物や環境共同設立者が少なからず存在するにもかかわらず、アンサンブル学習による近位感覚は、天蓋症状が現れる前にブラムラップのタイムリーな検出を可能にし、標的的介入をサポートし、収量損失を減少させることが示されている。
関連論文リスト
- Branched Broomrape Detection in Tomato Farms Using Satellite Imagery and Time-Series Analysis [0.2770822269241974]
枝分かれしたボムラペ(Phelipanche ramosa)は、宿主から栄養素を抽出することによってトマト生産を脅かす。
本稿では,カリフォルニアのトマト畑において,センチネル2画像と時系列解析を用いて,キノコの寄生するトマト畑を識別するエンドツーエンドパイプラインを提案する。
論文 参考訳（メタデータ） (2025-09-13T03:51:11Z) - Drone-Based Multispectral Imaging and Deep Learning for Timely Detection of Branched Broomrape in Tomato Farms [0.2770822269241974]
本研究は、カリフォルニアのトマト産業に対する枝分かれしたブルームラップ(Phelipanche ramosa)のエスカレートする脅威に対処する。
寄生虫の主に地下のライフサイクルは早期発見を難しくするが、従来の化学制御は費用がかかり、環境に悪影響を及ぼし、しばしば効果がない。
我々は、SMOTE(Synthetic Minority Over-Sampling Technique)を用いて、ドローンベースのマルチスペクトル画像とLong Short-Term Memory (LSTM)ディープラーニングネットワークを組み合わせた。
論文 参考訳（メタデータ） (2025-09-12T05:16:56Z) - Smartphone-integrated RPA-CRISPR-Cas12a Detection System with Microneedle Sampling for Point-of-Care Diagnosis of Potato Late Blight in Early Stage [3.848649773160473]
ポテト・ラテライト(Potato late blight)は、オオマイセト病原体であるフィトフォソーラ(Phytophthora infestans)によって引き起こされた、ジャガイモの作物に最も被害を与える病気の1つである。
植物病に対する可搬型RPA-CRISPRによる診断システムについて報告する。
システムは、特殊な機器に大きく依存する従来の方法の限界を解き放ちます。
論文 参考訳（メタデータ） (2025-06-10T13:43:36Z) - A Smartphone-Based Method for Assessing Tomato Nutrient Status through Trichome Density Measurement [0.0]
本研究は,若葉におけるトリホーム密度を,検出遅延の優れたスマートフォンを用いた定量化手法を提案する。
堅牢な自動パイプラインは、領域抽出、視点変換、照明補正を通じてこれらの画像を処理し、トリプルホーム密度を正確に定量化する。
この革新的なアプローチは、スマートフォンを植物栄養評価のための正確な診断ツールに変え、精度の高い農業のための実用的で費用対効果の高いソリューションを提供する。
論文 参考訳（メタデータ） (2024-04-30T12:45:41Z) - Interpretable cancer cell detection with phonon microscopy using multi-task conditional neural networks for inter-batch calibration [39.759100498329275]
本稿では,バッチ間キャリブレーションを同時に実現する条件付きニューラルネットワークフレームワークを提案する。
異なる実験バッチをトレーニングし、検証することで、我々のアプローチを検証する。
このモデルを拡張して, 診断信号の再構成を行い, 疾患状態を示す有能な特徴の物理的解釈を可能にした。
論文 参考訳（メタデータ） (2024-03-26T12:20:10Z) - Detection of Late Blight Disease in Tomato Leaf Using Image Processing
Techniques [0.0]
ラトブライトは世界で最も一般的なトマト病であり、しばしばトマト作物の生産を著しく減少させる。
農作物としてのトマトの重要性は、遅芽の早期発見を必要とする。
画像セグメンテーションとマルチクラスSVM技術を用いて、この研究で遅発性障害が発見される。
論文 参考訳（メタデータ） (2023-05-31T06:16:40Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。
提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文 参考訳（メタデータ） (2021-11-23T08:04:32Z) - A New Pairwise Deep Learning Feature For Environmental Microorganism
Image Analysis [19.87084378357245]
微生物を解析するための新しいペアワイズ深層学習機能を提案します。
結果は99.17%、91.34%、91.32%、91.48%、99.56%である。
論文 参考訳（メタデータ） (2021-02-24T09:14:06Z) - A CNN Approach to Simultaneously Count Plants and Detect Plantation-Rows
from UAV Imagery [56.10033255997329]
畳み込みニューラルネットワーク(CNN)を用いた新しい深層学習手法を提案する。
高度に乾燥したプランテーション構成を考慮した植物を数えながら、同時にプランテーション・ロウを検出し、配置する。
提案手法は、異なる種類の作物のUAV画像において、植物と植物をカウントおよびジオロケートするための最先端の性能を達成した。
論文 参考訳（メタデータ） (2020-12-31T18:51:17Z) - 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。