論文の概要: FUME: Fused Unified Multi-Gas Emission Network for Livestock Rumen Acidosis Detection

• arxiv url: http://arxiv.org/abs/2601.08205v1
• Date: Tue, 13 Jan 2026 04:17:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 18:27:19.056581
• Title: FUME: Fused Unified Multi-Gas Emission Network for Livestock Rumen Acidosis Detection
• Title（参考訳）: FUME:畜産ルメンアシドーシス検出のための統合型多ガス放出ネットワーク
• Authors: Taminul Islam, Toqi Tahamid Sarker, Mohamed Embaby, Khaled R Ahmed, Amer AbuGhazaleh,
• Abstract要約: ルミナルアシドーシス(Ruminal acidosis)は、乳牛の代謝障害であり、経済的損失と動物福祉の懸念を引き起こす。 In vitro 条件下でのデュアルガス光学画像からのルメンアシドーシス検出のための最初の深層学習手法であるFUMEを提案する。 本研究は, ガス排出による家畜の健康モニタリングの可能性を確立し, 実用的, インビトロアシドーシス検出システムの実現に向けての道を開くものである。
• 参考スコア（独自算出の注目度）: 3.7515646463759698
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ruminal acidosis is a prevalent metabolic disorder in dairy cattle causing significant economic losses and animal welfare concerns. Current diagnostic methods rely on invasive pH measurement, limiting scalability for continuous monitoring. We present FUME (Fused Unified Multi-gas Emission Network), the first deep learning approach for rumen acidosis detection from dual-gas optical imaging under in vitro conditions. Our method leverages complementary carbon dioxide (CO2) and methane (CH4) emission patterns captured by infrared cameras to classify rumen health into Healthy, Transitional, and Acidotic states. FUME employs a lightweight dual-stream architecture with weight-shared encoders, modality-specific self-attention, and channel attention fusion, jointly optimizing gas plume segmentation and classification of dairy cattle health. We introduce the first dual-gas OGI dataset comprising 8,967 annotated frames across six pH levels with pixel-level segmentation masks. Experiments demonstrate that FUME achieves 80.99% mIoU and 98.82% classification accuracy while using only 1.28M parameters and 1.97G MACs--outperforming state-of-the-art methods in segmentation quality with 10x lower computational cost. Ablation studies reveal that CO2 provides the primary discriminative signal and dual-task learning is essential for optimal performance. Our work establishes the feasibility of gas emission-based livestock health monitoring, paving the way for practical, in vitro acidosis detection systems. Codes are available at https://github.com/taminulislam/fume.
• Abstract（参考訳）: ルミナルアシドーシス(Ruminal acidosis)は、乳牛の代謝障害であり、経済的損失と動物福祉の懸念を引き起こす。 現在の診断方法は、侵襲的なpH測定に依存しており、継続的なモニタリングのスケーラビリティを制限している。 In vitro条件下でのデュアルガス光学画像からのルメンアシドーシス検出のための最初の深層学習手法であるFUME(Fused Unified Multi-gas Emission Network)を提案する。 提案手法は, 赤外線カメラで捉えた二酸化炭素とメタンの排出パターンを利用して, 健康状態, 遷移状態, 酸性状態に分類する。 FUMEは軽量なデュアルストリームアーキテクチャを採用しており、重量共有エンコーダ、モダリティ固有の自己注意、チャネルアテンション融合、ガス配管分割の最適化と乳牛の健康の分類を行っている。 画素レベルのセグメンテーションマスクを持つ6pHレベルの8,967個のアノテートフレームからなる,最初のデュアルガスOGIデータセットを提案する。 実験の結果、FUMEは80.99% mIoUと98.82%の分類精度を達成し、1.28Mパラメータと1.97G MACsしか使用していない。 アブレーション研究により、CO2が一次識別信号を提供し、双タスク学習が最適性能に不可欠であることが判明した。 本研究は, ガス排出による家畜の健康モニタリングの可能性を確立し, 実用的, インビトロアシドーシス検出システムの実現に向けての道を開くものである。 コードはhttps://github.com/taminulislam/fume.comで公開されている。

関連論文リスト

• Rapid Machine Learning-Driven Detection of Pesticides and Dyes Using Raman Spectroscopy [0.5002873541686897]
  農薬や合成染料は、食品の安全性、人間の健康、環境の持続可能性に重大な脅威をもたらす。 ラマン分光法は分子特異的な指紋を提供するが、スペクトルノイズ、蛍光背景、バンドオーバーラップに悩まされている。 本稿では,ラーマン分光法(MLRaman)から農薬や染料を検出するためのResNet-18特徴抽出に基づくディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-15T11:35:55Z)
• GasTwinFormer: A Hybrid Vision Transformer for Livestock Methane Emission Segmentation and Dietary Classification in Optical Gas Imaging [0.0]
  GasTwinFormerは、光ガスイメージングにおけるリアルタイムメタン放出セグメンテーションと食餌分類のためのハイブリッドビジョントランスフォーマーである。 OGIを用いた牛肉のメタン排出量の包括的分析を行い,11,694フレームのアノテート処理を行った。 GasTwinFormerは74.47% mIoUと83.63% mF1をセグメンテーションで達成し、3.348Mパラメータ、3.428G FLOP、114.9 FPS推論速度で例外的な効率を維持する。
  論文  参考訳（メタデータ） (2025-08-20T20:45:10Z)
• CarboFormer: A Lightweight Semantic Segmentation Architecture for Efficient Carbon Dioxide Detection Using Optical Gas Imaging [4.567122178196833]
  二酸化炭素排出量(CO$$)は、環境影響と産業プロセスの両方の重要な指標である。 光ガスイメージング(OGI)のための軽量セマンティックセグメンテーションフレームワークCarboFormerを紹介する。 提案手法は,最適化エンコーダデコーダアーキテクチャと,特殊なマルチスケール機能融合と補助監視戦略を統合したものである。
  論文  参考訳（メタデータ） (2025-05-23T18:01:42Z)
• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• Gasformer: A Transformer-based Architecture for Segmenting Methane Emissions from Livestock in Optical Gas Imaging [0.0]
  家畜、特に牛からのメタンの排出は、気候変動に大きく貢献する。 本稿では,家畜からの低流量メタン排出量を検出するためのセマンティックセグメンテーションアーキテクチャであるガスホルマを紹介する。 FLIR GF77 OGIカメラで捉えた2つのユニークなデータセットを示す。
  論文  参考訳（メタデータ） (2024-04-16T18:38:23Z)
• 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)
• Benchmarking Joint Face Spoofing and Forgery Detection with Visual and Physiological Cues [81.15465149555864]
  視覚的外観と生理的rcuesを用いた第1回関節スプーフィングおよび検出ベンチマークを作成した。 r周期性判別を強化するために,顔の強信号マップと連続ウェーブレットを入力として変換した2分岐生理ネットワークを設計した。
  論文  参考訳（メタデータ） (2022-08-10T15:41:48Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Quantification of pulmonary involvement in COVID-19 pneumonia by means of a cascade oftwo U-nets: training and assessment on multipledatasets using different annotation criteria [83.83783947027392]
  本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。 2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。 LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
  論文  参考訳（メタデータ） (2021-05-06T10:21:28Z)

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。