論文の概要: Development of a Cacao Disease Identification and Management App Using Deep Learning

• arxiv url: http://arxiv.org/abs/2602.00216v1
• Date: Fri, 30 Jan 2026 16:01:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.061243
• Title: Development of a Cacao Disease Identification and Management App Using Deep Learning
• Title（参考訳）: 深層学習を用いたカカオ病診断・管理アプリの開発
• Authors: Zaldy Pagaduan, Jason Occidental, Nathaniel Duro, Dexielito Badilles, Eleonor Palconit,
• Abstract要約: 本研究は,カカオ病の診断と管理のためのモバイルアプリケーションを開発した。 システムのコアは、カカオの病気を正確に識別するために訓練されたディープラーニングモデルである。 トレーニングされたモデルはモバイルアプリに統合され、農家のフィールド診断を支援する。
• 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• Abstract: Smallholder cacao producers often rely on outdated farming techniques and face significant challenges from pests and diseases, unlike larger plantations with more resources and expertise. In the Philippines, cacao farmers have limited access to data, information, and good agricultural practices. This study addresses these issues by developing a mobile application for cacao disease identification and management that functions offline, enabling use in remote areas where farms are mostly located. The core of the system is a deep learning model trained to identify cacao diseases accurately. The trained model is integrated into the mobile app to support farmers in field diagnosis. The disease identification model achieved a validation accuracy of 96.93% while the model for detecting cacao black pod infection levels achieved 79.49% validation accuracy. Field testing of the application showed an agreement rate of 84.2% compared with expert cacao technician assessments. This approach empowers smallholder farmers by providing accessible, technology-enabled tools to improve cacao crop health and productivity.
• Abstract（参考訳）: 小規模所有者のカカオ生産者は時代遅れの農業技術に頼り、より多くの資源と専門知識を持つ大規模なプランテーションとは異なり、害虫や病気による重大な課題に直面している。 フィリピンでは、カカオの農家はデータ、情報、良い農業慣行へのアクセスが限られている。 本研究では,カカオ病の診断・管理をオフラインで行うモバイルアプリケーションを開発した。 システムのコアは、カカオの病気を正確に識別するために訓練されたディープラーニングモデルである。 トレーニングされたモデルはモバイルアプリに統合され、農家のフィールド診断を支援する。 疾患識別モデルは96.93%の検証精度を達成し、カカオの黒いポッドの感染レベルを検出するモデルは79.49%の検証精度を達成した。 このアプリケーションのフィールドテストでは、専門家のカカオ技術者による評価と比較すると、84.2%の一致率を示した。 このアプローチは、小規模農家に、カカオの作物の健康と生産性を改善するための、アクセス可能な技術対応のツールを提供することで、力を与える。

関連論文リスト

• AgriDoctor: A Multimodal Intelligent Assistant for Agriculture [45.77373971125537]
  AgriDoctorは、インテリジェントな作物病診断と農業知識の相互作用のために設計されたモジュラーでマルチモーダルなフレームワークである。 効果的なトレーニングと評価を容易にするために,400000の注釈付き疾患画像,831のエキスパートによる知識エントリ,30000のバイリンガルプロンプトによるインテント駆動ツール選択のベンチマークであるAgriMMを構築した。 実験により、AgriMMで訓練されたAgriDoctorは、細粒度の農業作業において最先端のLVLMを著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2025-09-21T11:51:57Z)
• Detecting Multiple Diseases in Multiple Crops Using Deep Learning [0.6138671548064356]
  本論文では,インドにおける多様な農業景観をカバーすることを目的とした,複数作物の多疾患検出のための深層学習型ソリューションを提案する。 まず、利用可能なリポジトリから17の異なる作物と34の病気の画像を含む統合データセットを作成します。 提案されたディープラーニングモデルは、このデータセットに基づいてトレーニングされ、精度とカバーされる作物、病気の数で最先端のパフォーマンスを誇っている。
  論文  参考訳（メタデータ） (2025-07-03T10:26:49Z)
• Paddy Disease Detection and Classification Using Computer Vision Techniques: A Mobile Application to Detect Paddy Disease [0.0]
  植物病は食料供給に大きな影響を与え、農家、農業に依存した経済、世界の食料安全保障に問題を引き起こします。 農業技術の発展にもかかわらず、正確な早期診断は依然として課題である。 ディープラーニングのアプリケーションは、植物病理学者を必要とせずに、病気を正確に識別するのに役立つ。
  論文  参考訳（メタデータ） (2024-12-08T17:08:27Z)
• Agri-LLaVA: Knowledge-Infused Large Multimodal Assistant on Agricultural Pests and Diseases [49.782064512495495]
  農業分野における最初のマルチモーダル・インストラクション・フォロー・データセットを構築した。 このデータセットは、約40万のデータエントリを持つ221種類以上の害虫と病気をカバーしている。 本稿では,農業用マルチモーダル対話システムであるAgri-LLaVAを開発するための知識注入型学習手法を提案する。
  論文  参考訳（メタデータ） (2024-12-03T04:34:23Z)
• Deep Learning-Based Computational Model for Disease Identification in Cocoa Pods (Theobroma cacao L.) [0.0]
  ココアポッドの病気の早期発見は、高品質のココアの生産を保証する重要な課題である。 機械学習、コンピュータビジョン、ディープラーニングといった人工知能技術の利用は、ココアポッドの病気を特定し分類するための有望なソリューションである。 本稿では,ココアポッドの病気の同定に応用した深層学習計算モデルの開発と評価について紹介する。
  論文  参考訳（メタデータ） (2024-01-02T15:23:09Z)
• 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)
• Farmer's Assistant: A Machine Learning Based Application for Agricultural Solutions [0.0]
  我々は、これらの問題に対処するため、オープンソースの使いやすいWebアプリケーションを作成し、作物の生産を改善するのに役立ちます。 特に,作物の推薦,肥料の推薦,植物病の予知,対話型ニューズフィードを支持している。
  論文  参考訳（メタデータ） (2022-04-24T19:31:10Z)
• A Deep Learning-based Detector for Brown Spot Disease in Passion Fruit Plant Leaves [0.5485240256788552]
  この研究は2つの主要な病気(ウイルス)と茶色の斑点(真菌)に焦点を当てている。 我々はウガンダ国立作物研究所(NaCRRI)と共同で、熱心にラベル付けされた果物の葉と果実のデータセットを開発しました。
  論文  参考訳（メタデータ） (2020-07-28T10:17:43Z)
• Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
  特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。 衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
  論文  参考訳（メタデータ） (2020-07-07T12:44:17Z)

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。