論文の概要: Context-Aware Pesticide Recommendation via Few-Shot Pest Recognition for Precision Agriculture

• arxiv url: http://arxiv.org/abs/2601.00243v1
• Date: Thu, 01 Jan 2026 07:33:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-05 15:04:33.334471
• Title: Context-Aware Pesticide Recommendation via Few-Shot Pest Recognition for Precision Agriculture
• Title（参考訳）: 精密農業におけるFew-Shot Pest Recognitionによる環境対応農薬勧告
• Authors: Anirudha Ghosh, Ritam Sarkar, Debaditya Barman,
• Abstract要約: 本研究は、スマートフォンやドローンなどの低リソースデバイス向けに設計された、害虫検出および殺虫剤推奨のための軽量なフレームワークを提案する。 提案するフレームワークには2つの主要コンポーネントが含まれている。ひとつは、コンパクトで軽量な畳み込みニューラルネットワーク(CNN)とメタ学習を組み合わせて害虫を正確に識別するPest Detection Moduleである。 2つ目は農薬推奨モジュールで、作物の種類や生育段階などの環境要因を取り入れ、安全でエコな農薬を推奨している。
• 参考スコア（独自算出の注目度）: 1.2744523252873352
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Effective pest management is crucial for enhancing agricultural productivity, especially for crops such as sugarcane and wheat that are highly vulnerable to pest infestations. Traditional pest management methods depend heavily on manual field inspections and the use of chemical pesticides. These approaches are often costly, time-consuming, labor-intensive, and can have a negative impact on the environment. To overcome these challenges, this study presents a lightweight framework for pest detection and pesticide recommendation, designed for low-resource devices such as smartphones and drones, making it suitable for use by small and marginal farmers. The proposed framework includes two main components. The first is a Pest Detection Module that uses a compact, lightweight convolutional neural network (CNN) combined with prototypical meta-learning to accurately identify pests even when only a few training samples are available. The second is a Pesticide Recommendation Module that incorporates environmental factors like crop type and growth stage to suggest safe and eco-friendly pesticide recommendations. To train and evaluate our framework, a comprehensive pest image dataset was developed by combining multiple publicly available datasets. The final dataset contains samples with different viewing angles, pest sizes, and background conditions to ensure strong generalization. Experimental results show that the proposed lightweight CNN achieves high accuracy, comparable to state-of-the-art models, while significantly reducing computational complexity. The Decision Support System additionally improves pest management by reducing dependence on traditional chemical pesticides and encouraging sustainable practices, demonstrating its potential for real-time applications in precision agriculture.
• Abstract（参考訳）: 特にサトウキビやコムギなどの害虫感染に強い作物では、効果的な害虫管理が農業生産性の向上に不可欠である。 従来の害虫管理方法は、手動のフィールド検査や農薬の使用に大きく依存している。 これらのアプローチは、しばしばコストがかかり、時間がかかり、労働集約的であり、環境に悪影響を及ぼす可能性がある。 これらの課題を克服するために、スマートフォンやドローンなどの低リソースデバイス向けに設計された、害虫検出および殺虫剤推奨のための軽量なフレームワークを提案する。 提案するフレームワークには2つの主要コンポーネントが含まれている。 1つ目は、コンパクトで軽量な畳み込みニューラルネットワーク(CNN)と原型メタ学習を組み合わせて、少数のトレーニングサンプルが利用可能であっても、害虫を正確に識別するPest Detection Moduleである。 2つ目は農薬推奨モジュールで、作物の種類や生育段階などの環境要因を取り入れ、安全でエコな農薬を推奨している。 我々のフレームワークを訓練し評価するために、複数の公開データセットを組み合わせることで、包括的害虫画像データセットを開発した。 最終データセットには、強い一般化を保証するために、異なる視角、害虫の大きさ、背景条件のサンプルが含まれている。 実験結果から,提案した軽量CNNは最先端モデルに匹敵する精度を実現し,計算複雑性を著しく低減することがわかった。 決定支援システムは、従来の農薬への依存を減らし、持続可能なプラクティスを奨励し、精密農業におけるリアルタイムの応用の可能性を示すことにより、害虫管理を改善している。

関連論文リスト

• Investigating Data Pruning for Pretraining Biological Foundation Models at Scale [47.09153330837959]
  本稿では,生物ドメインに適したポストホックインフルエンス誘導型データ解析フレームワークを提案する。 我々のフレームワークは、極端な刈り取り率99%のランダム選択ベースラインを一貫して上回っている。 これらの結果は、BioFMプリトレーニングの計算コストを大幅に削減するために、インフルエンス誘導型データプルーニングの可能性を示している。
  論文  参考訳（メタデータ） (2025-12-15T02:42:52Z)
• Pesti-Gen: Unleashing a Generative Molecule Approach for Toxicity Aware Pesticide Design [0.0]
  気候変動により作物の弾力性と農薬の効力は減少し、合成農薬への依存は避けられない。 本稿では, 変異型オートエンコーダをベースとした新しい生成モデルであるPesti-Genを提案し, 最適化特性を有する殺虫剤候補を生成する。 ペスティ-ゲンは、新しい分子構造を生成する際に、およそ68%の構造的妥当性を達成する。
  論文  参考訳（メタデータ） (2025-01-24T13:00:54Z)
• Artificial Immune System of Secure Face Recognition Against Adversarial Attacks [67.31542713498627]
  昆虫生産には 最大限の可能性を実現するために 最適化が必要です これは選択的育種による興味のある形質の改善が目的である。 このレビューは、様々な分野の知識と、動物の繁殖、定量的遺伝学、進化生物学、昆虫学のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2024-06-26T07:50:58Z)
• 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)
• On the Real-Time Semantic Segmentation of Aphid Clusters in the Wild [13.402804225093801]
  アフィドの感染は小麦やソルガムの畑に大きな損傷を与え、植物ウイルスを拡散させる。 農夫はしばしば化学殺虫剤を頼りにしており、これは田畑の広い範囲で非効率に適用される。 本稿では,アフィドのクラスタ分割にリアルタイムセマンティックセマンティックセマンティクスモデルを適用することを提案する。
  論文  参考訳（メタデータ） (2023-07-17T19:04:39Z)
• 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)
• Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
  我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
  論文  参考訳（メタデータ） (2020-12-07T16:23:13Z)
• DropLeaf: a precision farming smartphone application for measuring pesticide spraying methods [14.959684400817869]
  この研究は、スマートフォンベースのモバイルアプリケーションであるDropLeaf - Spraying Meter上で機能する新しいツールを紹介し、実験的に評価する。 提案手法は画像解析に基づいており, 実・合成水感性紙上での噴霧沈着評価が成功している。
  論文  参考訳（メタデータ） (2020-08-31T15:51:06Z)
• Deep Learning for Virtual Screening: Five Reasons to Use ROC Cost Functions [80.12620331438052]
  深層学習は サイリコの何十億もの分子を 迅速にスクリーニングする 重要なツールとなりました その重要性にもかかわらず、厳密なクラス不均衡、高い決定しきい値、いくつかのデータセットにおける基底真理ラベルの欠如など、これらのモデルのトレーニングにおいて重大な課題が続いている。 このような場合、クラス不均衡に対するロバスト性から、レシーバ動作特性(ROC)を直接最適化することを好んで論じる。
  論文  参考訳（メタデータ） (2020-06-25T08:46:37Z)
• Weakly Supervised Learning Guided by Activation Mapping Applied to a Novel Citrus Pest Benchmark [6.239768930024569]
  統合害虫管理(Integrated pest Management)は、シトラス作物の害虫や病気による被害を予防・緩和するために最も広く用いられるプロセスである。 我々は、画像に対する関心領域を自動的に選択するために、サリエンシマップによって導かれる弱教師付き学習プロセスを設計する。 2つの大規模データセットで行った実験から,農業分野における害虫の分類と病気の分類の問題に対して,本研究の結果は非常に有望であることが明らかとなった。
  論文  参考訳（メタデータ） (2020-04-22T01:26:50Z)

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。