論文の概要: TriggerNet: A Novel Explainable AI Framework for Red Palm Mite Detection and Multi-Model Comparison and Heuristic-Guided Annotation
- arxiv url: http://arxiv.org/abs/2510.18038v1
- Date: Mon, 20 Oct 2025 19:23:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 03:08:12.53677
- Title: TriggerNet: A Novel Explainable AI Framework for Red Palm Mite Detection and Multi-Model Comparison and Heuristic-Guided Annotation
- Title（参考訳）: TriggerNet: レッドパームマイト検出とマルチモデル比較とヒューリスティックガイド付きアノテーションのための新しい説明可能なAIフレームワーク
- Authors: Harshini Suresha, Kavitha SH,
- Abstract要約: 赤いヤシダニの寄生は特に広範囲のヤシ栽培地において深刻な関心事となっている。
本研究は, 影響を受ける植物を分類し, 寄生虫を検出するMLモデルの評価と比較に焦点をあてる。
TriggerNetは、Grad-CAM、RISE、FullGrad、TCAVを統合する、新しい解釈可能なAIフレームワークである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The red palm mite infestation has become a serious concern, particularly in regions with extensive palm cultivation, leading to reduced productivity and economic losses. Accurate and early identification of mite-infested plants is critical for effective management. The current study focuses on evaluating and comparing the ML model for classifying the affected plants and detecting the infestation. TriggerNet is a novel interpretable AI framework that integrates Grad-CAM, RISE, FullGrad, and TCAV to generate novel visual explanations for deep learning models in plant classification and disease detection. This study applies TriggerNet to address red palm mite (Raoiella indica) infestation, a major threat to palm cultivation and agricultural productivity. A diverse set of RGB images across 11 plant species, Arecanut, Date Palm, Bird of Paradise, Coconut Palm, Ginger, Citrus Tree, Palm Oil, Orchid, Banana Palm, Avocado Tree, and Cast Iron Plant was utilized for training and evaluation. Advanced deep learning models like CNN, EfficientNet, MobileNet, ViT, ResNet50, and InceptionV3, alongside machine learning classifiers such as Random Forest, SVM, and KNN, were employed for plant classification. For disease classification, all plants were categorized into four classes: Healthy, Yellow Spots, Reddish Bronzing, and Silk Webbing. Snorkel was used to efficiently label these disease classes by leveraging heuristic rules and patterns, reducing manual annotation time and improving dataset reliability.
- Abstract（参考訳）: 赤ヤシのダニの寄生は特に広範囲のヤシ栽培地域において深刻な関心事となり、生産性と経済的な損失が減少している。
ダニが寄生する植物の正確な同定と早期同定は効果的な管理に不可欠である。
本研究は、被害植物を分類し、寄生虫を検出するMLモデルの評価と比較に焦点をあてる。
TriggerNetは、Grad-CAM、RISE、FullGrad、TCAVを統合する、新しい解釈可能なAIフレームワークである。
本研究はTriggerNetを用いて、ヤシの養殖と農業生産性に対する主要な脅威である赤ヤシダニ(Raoiella indica)の寄生に対処する。
また,11種の植物種,アレカナツ,デイト・パーム,バード・オブ・パラダイス,ココナッツ・パーム,ジンジャー,シトラス・ツリー,パーム・オイル,オーキッド,バナナ・パーム,アボカド・ツリー,カスト・アイアン・プラントの多彩なRGB画像を用いて,訓練と評価を行った。
CNN、EfficientNet、MobileNet、ViT、ResNet50、InceptionV3といった先進的なディープラーニングモデルとRandom Forest、SVM、KNNといった機械学習分類器が植物分類に採用された。
病気の分類では、すべての植物が健康、イエロースポット、赤みがかった青銅色、シルクウェビングの4つのクラスに分類された。
Snorkel氏は、ヒューリスティックなルールとパターンを活用し、手動アノテーションの時間を短縮し、データセットの信頼性を向上させることで、これらの病気のクラスを効率的にラベル付けするために使用された。
関連論文リスト
- TasselNetV4: A vision foundation model for cross-scene, cross-scale, and cross-species plant counting [10.520978148046026]
種別カウントから種間カウントに移行したTasselNetV4について紹介する。
普通の視覚変換器の上に構築され、新しいマルチブランチボックス対応のローカルカウンタが組み込まれている。
以上の結果から,タッセルネットV4はクロスシーン,クロススケール,クロスタイプ植物カウントのためのビジョン基盤モデルであることが示唆された。
論文 参考訳（メタデータ） (2025-09-25T07:48:29Z) - Evaluating Data Augmentation Techniques for Coffee Leaf Disease
Classification [2.0892083471064407]
本稿では,RoCoLeデータセットを用いて,深層学習による画像からのコーヒー葉病の分類を行う。
本研究は, トランスフォーマーモデル, オンライン強化, およびCycleGAN増強が葉病分類の改善に有効であることを示す。
論文 参考訳（メタデータ） (2024-01-11T09:22:36Z) - A Comprehensive Literature Review on Sweet Orange Leaf Diseases [3.0177210416625115]
葉の病気はキツネ産業の果実の品質に影響を及ぼす。
葉の早期発見と診断は葉の管理に必要である。
葉病に関する総合的なレビュー研究は, モデルの性能を比較した。
論文 参考訳（メタデータ） (2023-12-04T09:35:21Z) - PhytNet -- Tailored Convolutional Neural Networks for Custom Botanical
Data [0.0]
我々は、病気、雑草、作物の分類のための新しいCNNアーキテクチャであるPhytNetを開発した。
赤外線ココアツリー画像の新しいデータセットを用いて、PhytNetの開発を実演し、その性能を既存のアーキテクチャと比較する。
PhytNetは、関連する機能に優れた注意を払っており、オーバーフィッティングがなく、非常に低コストである。
論文 参考訳（メタデータ） (2023-11-20T14:15:48Z) - Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests [62.997667081978825]
森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。
監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。
本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
論文 参考訳（メタデータ） (2022-08-23T16:04:12Z) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳（メタデータ） (2021-06-14T21:57:40Z) - Artificial intelligence for detection and quantification of rust and
leaf miner in coffee crop [0.0]
コーヒーの葉に錆(Hemileia vastatrix)と葉の鉱夫(Leucoptera coffeella)を検出するアルゴリズムを作成します。
モデル推論のための高レベルインタフェースとして,モバイルアプリケーションを用いて病気の重症度を定量化する。
論文 参考訳（メタデータ） (2021-03-20T20:52:11Z) - 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) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳（メタデータ） (2020-05-18T21:57:47Z)
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。