論文の概要: A Novel CNN Gradient Boosting Ensemble for Guava Disease Detection

• arxiv url: http://arxiv.org/abs/2512.19989v1
• Date: Tue, 23 Dec 2025 02:30:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-24 19:17:49.715694
• Title: A Novel CNN Gradient Boosting Ensemble for Guava Disease Detection
• Title（参考訳）: Guava 病検出のための新しい CNN Gradient Boosting Ensemble の開発
• Authors: Tamim Ahasan Rijon, Yeasin Arafath,
• Abstract要約: グアバ病のデータセットはバングラデシュのラジシャヒとパブナのプランテーションに由来する。 本研究の目的は、従来の機械学習技術と並行してCNNを用いたモデルを作成することである。 一般に、CNN-MLカスケードフレームワークは、強力で高精度なグアバ病の検出を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As a significant agricultural country, Bangladesh utilizes its fertile land for guava cultivation and dedicated labor to boost its economic development. In a nation like Bangladesh, enhancing guava production and agricultural practices plays a crucial role in its economy. Anthracnose and fruit fly infection can lower the quality and productivity of guava, a crucial tropical fruit. Expert systems that detect diseases early can reduce losses and safeguard the harvest. Images of guava fruits classified into the Healthy, Fruit Flies, and Anthracnose classes are included in the Guava Fruit Disease Dataset 2024 (GFDD24), which comes from plantations in Rajshahi and Pabna, Bangladesh. This study aims to create models using CNN alongside traditional machine learning techniques that can effectively identify guava diseases in locally cultivated varieties in Bangladesh. In order to achieve the highest classification accuracy of approximately 99.99% for the guava dataset, we propose utilizing ensemble models that combine CNNML with Gradient Boosting Machine. In general, the CNN-ML cascade framework exhibits strong, high-accuracy guava disease detection that is appropriate for real-time agricultural monitoring systems.
• Abstract（参考訳）: バングラデシュは重要な農業国であり、肥やした土地をグアバの栽培に利用し、その経済発展を後押ししている。 バングラデシュのような国では、グアバの生産と農業の実践が経済において重要な役割を担っている。 アントラクノースとフルーツフライの感染は、重要な熱帯の果物であるグアバの品質と生産性を低下させる。 早期に病気を検出する専門家システムは損失を減らし、収穫を保護できる。 バングラデシュのラジシャヒとパブナのプランテーションに由来するグアバ果実病データセット2024(GFDD24)には、グアバ果実のイメージが記載されている。 本研究は,バングラデシュの地方栽培品種において,グアバ病を効果的に識別する従来の機械学習技術とともに,CNNを用いたモデルを作成することを目的とする。 そこで我々は,CNNMLとGradient Boosting Machineを組み合わせたアンサンブルモデルを用いて,約99.99%の分類精度を実現することを提案する。 一般に、CNN-MLカスケードフレームワークは、リアルタイム農業モニタリングシステムに適した、強力で高精度なグアバ病の検出を示す。

関連論文リスト

• An Approach Towards Identifying Bangladeshi Leaf Diseases through Transfer Learning and XAI [0.0]
  本研究の目的は,深層学習モデルを用いて6植物に21の異なる葉病を分類することである。 VGG19とXceptionは、それぞれ98.90%と98.66%という高い精度を達成している。
  論文  参考訳（メタデータ） (2025-05-21T21:25:57Z)
• Plant Leaf Disease Detection and Classification Using Deep Learning: A Review and A Proposed System on Bangladesh's Perspective [0.0]
  植物病はバングラデシュの農業生産において深刻な障害となっている。 本稿では主に葉の病原体検出のためのより良いモデルを提案する。 提案したCNNモデルは効率よく動作し,検査対象の疾患の検出と分類に成功している。
  論文  参考訳（メタデータ） (2025-01-06T17:43:59Z)
• 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)
• Leafy Spurge Dataset: Real-world Weed Classification Within Aerial Drone Imagery [37.51633459581306]
  侵入する植物種は、農業と農地の両方の生態に有害である。 ユープホルビア・エスラ(Euphorbia esula)のような外来植物は、東ヨーロッパから北アメリカの大部分に分布している。 米国モンタナ州西部の草原で、葉質のふわふわしたスプージの存在と不在のデータセットを収集し、商用ドローンでこれらの地域を調査した。 我々はこれらのデータに基づいて画像分類器を訓練し、我々の最高の性能モデルであるDINOv2視覚変換器は、葉の隆起を0.84精度で同定した。
  論文  参考訳（メタデータ） (2024-05-02T23:53:29Z)
• Machine Learning in management of precautionary closures caused by lipophilic biotoxins [43.51581973358462]
  ムッセル農業は最も重要な水産産業の1つである。 ムッセル農業の主なリスクは有害な藻類開花(HABs)であり、人間の消費に危険をもたらす。 本研究は,予防的クロージャの適用を支援する予測モデルを提案する。
  論文  参考訳（メタデータ） (2024-02-14T15:51:58Z)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• Plant Disease Detection using Region-Based Convolutional Neural Network [2.5091819952713057]
  農業はバングラデシュの食料と経済において重要な役割を担っている。 低作物生産の主な原因の1つは、多くの細菌、ウイルス、真菌の植物病である。 本稿では,トマトの葉病予測のための軽量深層学習モデルの構築を目的とする。
  論文  参考訳（メタデータ） (2023-03-16T03:43:10Z)

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。