論文の概要: A Critical Study on Tea Leaf Disease Detection using Deep Learning Techniques

• arxiv url: http://arxiv.org/abs/2510.22647v1
• Date: Sun, 26 Oct 2025 12:18:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 17:41:21.97922
• Title: A Critical Study on Tea Leaf Disease Detection using Deep Learning Techniques
• Title（参考訳）: 深層学習技術を用いた茶葉病検出に関する批判的研究
• Authors: Nabajyoti Borah, Raju Moni Borah, Bandan Boruah, Purnendu Bikash Acharjee, Sajal Saha, Ripjyoti Hazarika,
• Abstract要約: 提案手法は,3種類の茶葉疾患を分類できるディープラーニング技術である。 レッド・ラスト(Red Rust)、ヘロペルティス(Helopeltis)、レッド・スパイダー・マイト(Red Spider mite)である。
• 参考スコア（独自算出の注目度）: 0.5472469695890644
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The proposed solution is Deep Learning Technique that will be able classify three types of tea leaves diseases from which two diseases are caused by the pests and one due to pathogens (infectious organisms) and environmental conditions and also show the area damaged by a disease in leaves. Namely Red Rust, Helopeltis and Red spider mite respectively. In this paper we have evaluated two models namely SSD MobileNet V2 and Faster R-CNN ResNet50 V1 for the object detection. The SSD MobileNet V2 gave precision of 0.209 for IOU range of 0.50:0.95 with recall of 0.02 on IOU 0.50:0.95 and final mAP of 20.9%. While Faster R-CNN ResNet50 V1 has precision of 0.252 on IOU range of 0.50:0.95 and recall of 0.044 on IOU of 0.50:0.95 with a mAP of 25%, which is better than SSD. Also used Mask R-CNN for Object Instance Segmentation where we have implemented our custom method to calculate the damaged diseased portion of leaves. Keywords: Tea Leaf Disease, Deep Learning, Red Rust, Helopeltis and Red Spider Mite, SSD MobileNet V2, Faster R-CNN ResNet50 V1 and Mask RCNN.
• Abstract（参考訳）: 提案手法は,病原体(感染性生物)と環境条件により2つの病原体が引き起こされる茶葉の病原体を3種類に分類し,葉の病原体が損傷した地域を示す。 レッド・ラスト(Red Rust)、ヘロペルティス(Helopeltis)、レッド・スパイダー・マイト(Red Spider mite)である。 本稿では,オブジェクト検出のためのSSD MobileNet V2とFaster R-CNN ResNet50 V1の2つのモデルを評価する。 SSD MobileNet V2 は IOU 0.50:0.95 に対して 0.209 の精度を与え、IOU 0.50:0.95 では 0.02 のリコール、最終的な mAP は 20.9% の精度を与えた。 高速な R-CNN ResNet50 V1 は IOU では 0.50:0.95 で 0.252 で、IOU では 0.50:0.95 で 0.044 となり、mAP は 25% で SSD より優れている。 また、オブジェクトインスタンスセグメンテーションにMask R-CNNを使用し、損傷した葉の損傷部分を計算するカスタムメソッドを実装しました。 キーワード:Tea Leaf Disease, Deep Learning, Red Rust, Helopeltis and Red Spider Mite, SSD MobileNet V2, Faster R-CNN ResNet50 V1, Mask RCNN。

関連論文リスト

• Explainable AI-Enhanced Deep Learning for Pumpkin Leaf Disease Detection: A Comparative Analysis of CNN Architectures [1.472830326343432]
  この研究は、2000枚の高解像度画像を5つのカテゴリに分けた「パンプキンリーフ病データセット」を用いている。 データセットは、モデルトレーニングの強力な表現を保証するために、いくつかの農業分野から厳格に組み立てられた。 我々は、DenseNet201、DenseNet121、DenseNet169、Xception、ResNet50、ResNet101、InceptionResNetV2を含む多くの熟練したディープラーニングアーキテクチャを調査し、ResNet50が90.5%の精度と同等の精度、リコール、F1-Scoreで最も効果的に実行されたことを観察した。
  論文  参考訳（メタデータ） (2025-01-09T18:59:35Z)
• Potion: Towards Poison Unlearning [47.00450933765504]
  悪意あるアクターによる機械学習システムに対する敵対的攻撃は重大なリスクをもたらす。 このような攻撃を解決する上での課題は、実際に有毒データのサブセットのみを特定できる場合である。 我々の研究は、有毒未学習の最先端を推し進めるための2つの重要な課題に対処する。
  論文  参考訳（メタデータ） (2024-06-13T14:35:11Z)
• Knowledge Distillation approach towards Melanoma Detection [0.7250756081498245]
  メラノーマはすべての皮膚がんの中で最も危険であると考えられている。 メラノーマの早期発見と、患者のタイムリーな治療を可能にするシステムを構築する必要がある。 近年の手法は、画像認識や、メラノーマや非メラノーマなどの皮膚病変の画像にタグを付ける機械学習に基づくシステムに向けられている。
  論文  参考訳（メタデータ） (2022-10-14T20:18:07Z)
• AlertTrap: A study on object detection in remote insects trap monitoring system using on-the-edge deep learning platform [0.0]
  最先端のバックボーン機能抽出器を備えたシングルショットマルチボックス検出器(SSD)アーキテクチャは、リアルタイム検出問題に対する潜在的な解決策である。 SSDモデルは処理時間に優れ、リアルタイムで高精度な検出を可能にする。 完全なYOLOバージョンをRaspberry Pi上でリアルタイムで実行することは不可能であり、将来の研究のためにより軽量なオブジェクト検出アルゴリズムが必要であることを示している。
  論文  参考訳（メタデータ） (2021-12-26T09:44:48Z)
• BreakingBED -- Breaking Binary and Efficient Deep Neural Networks by Adversarial Attacks [65.2021953284622]
  CNNのホワイトボックス攻撃やブラックボックス攻撃に対する堅牢性について検討する。 結果は、蒸留されたCNN、エージェントベースの最新のprunedモデル、およびバイナライズニューラルネットワークのために示されています。
  論文  参考訳（メタデータ） (2021-03-14T20:43:19Z)
• RetiNerveNet: Using Recursive Deep Learning to Estimate Pointwise 24-2 Visual Field Data based on Retinal Structure [109.33721060718392]
  緑内障は 世界でも 不可逆的な盲目の 主要な原因です 7000万人以上が 影響を受けています The Standard Automated Perimetry (SAP) test's innate difficulty and its high test-retest variable, we propose the RetiNerveNet。
  論文  参考訳（メタデータ） (2020-10-15T03:09:08Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Cryptanalytic Extraction of Neural Network Models [56.738871473622865]
  遠隔モデルのパラメータを浮動小数点精度まで効率的に盗むことができる差動攻撃を導入する。 我々の攻撃は、ReLUニューラルネットワークが一括線形関数であるという事実に依存している。 220倍の正確さと100倍のクエリを必要とするモデルを抽出する。
  論文  参考訳（メタデータ） (2020-03-10T17:57:14Z)

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。