論文の概要: GourNet: A CNN-Based Model for Mango Leaf Disease Detection

• arxiv url: http://arxiv.org/abs/2604.27764v1
• Date: Thu, 30 Apr 2026 11:53:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.077535
• Title: GourNet: A CNN-Based Model for Mango Leaf Disease Detection
• Title（参考訳）: GourNet:マンゴー葉病検出のためのCNNベースモデル
• Authors: Ekram Alam, Jaydip Sanyal, Akhil Kumar Das, Arijit Bhattacharya, Farhana Sultana,
• Abstract要約: マンゴー葉の感染を識別する「GourNet」という「深層学習」モデルを導入する。 我々は"MangoLeafBD"データセットを使用して、提示されたモデルの有効性をトレーニングし、評価する。 我々のモデルは683,656個の合計パラメータしか使用せず、分類精度は97%である。
• 参考スコア（独自算出の注目度）: 1.9573380763700712
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Mango cultivation is crucial in the agricultural sector, significantly contributing to economic development and food security. However, diseases affecting mango leaves can significantly reduce both the production and overall fruit grade. Detecting leaf diseases at an early stage with precision is key to effective disease prevention and sustaining crop productivity. In this paper, we introduce a "deep learning" model named "GourNet", which leverages "Convolutional Neural Networks" to identify infections in mango leaves. We utilize the "MangoLeafBD" (MBD) dataset to train and assess the effectiveness of the presented model. The MBD dataset contains seven disease classes and a Healthy class, making a total of eight classes. To enhance model performance, the images are preprocessed through steps like resizing, rescaling, and data augmentation prior to training. To properly evaluate the model, the dataset is separated into 80% for training, with the remaining 20% equally split between validation and testing. Our model uses only 683,656 total parameters and achieves a classification accuracy of 97%. This research's source code can be found at: https://github.com/ekramalam/GourNet-Repo.
• Abstract（参考訳）: マンゴー栽培は農業分野において重要であり、経済発展と食料安全保障に大きく貢献している。 しかし、マンゴー葉に影響を及ぼす病気は、生産量と総果実品質の両方を著しく低下させる可能性がある。 葉の病気を精度良く早期に検出することは、病気の予防と作物の生産性の維持の鍵となる。 本稿では,マンゴー葉の感染を識別するために,「進化型ニューラルネットワーク」を利用した「深層学習」モデル「GourNet」を提案する。 提案モデルの有効性をトレーニングし,評価するために,MangoLeafBD(MBD)データセットを利用する。 MBDデータセットには7つの疾患クラスと1つの健康クラスがあり、合計8つのクラスがある。 モデルパフォーマンスを向上させるために、イメージはトレーニング前にリサイズ、再スケーリング、データ拡張といったステップを通じて前処理される。 モデルを適切に評価するために、データセットはトレーニング用に80%に分離され、残りの20%は検証とテストに等しく分割される。 我々のモデルは683,656個の合計パラメータしか使用せず、分類精度は97%である。 この研究のソースコードは、https://github.com/ekramalam/GourNet-Repo.comにある。

関連論文リスト

• Toward Reliable Tea Leaf Disease Diagnosis Using Deep Learning Model: Enhancing Robustness With Explainable AI and Adversarial Training [0.0]
  本研究は,ティーリーフBDデータセットに基づく茶葉病分類の自動深層学習モデルを開発した。 提案するパイプラインには、データ前処理、データ分割、敵トレーニング、拡張、モデルトレーニング、評価、理解が含まれる。 実験の結果,EfficientNetB3が93%,DenseNet201が91%に達した。
  論文  参考訳（メタデータ） (2026-02-11T17:21:36Z)
• Mam-App: A Novel Parameter-Efficient Mamba Model for Apple Leaf Disease Classification [0.8653321928148544]
  Mam-Appは特徴抽出と葉病分類のためのパラメータ効率のよいMambaベースのモデルである。 精度は99.58%、精度は99.30%、リコールは99.14%、F1スコアは99.22%、パラメータは0.051Mである。
  論文  参考訳（メタデータ） (2026-01-29T05:59:53Z)
• Fine-Tuned CNN-Based Approach for Multi-Class Mango Leaf Disease Detection [1.057098647974782]
  本研究は,マンゴー葉病のマルチクラス同定のための,事前学習した5つの畳み込みニューラルネットワーク,DenseNet201,InceptionV3,ResNet152V2,SeResNet152,Xceptionの性能について検討した。 DenseNet201は最高の結果を出し、99.33%の精度を達成し、個々のクラスに対して一貫して強力なメトリクスを出力した。
  論文  参考訳（メタデータ） (2025-10-06T19:47:26Z)
• Detection and Classification of Diseases in Multi-Crop Leaves using LSTM and CNN Models [0.0]
  植物病は作物の収穫量を減らし、食糧品質に影響を与えることで農業に深刻な課題をもたらす。 本研究では,植物葉病の分類に畳み込みニューラルネットワーク(CNN)とLong Short-Term Memory(LSTM)モデルを適用した。
  論文  参考訳（メタデータ） (2025-04-30T02:36:51Z)
• Fine-tuning is Not Fine: Mitigating Backdoor Attacks in GNNs with Limited Clean Data [51.745219224707384]
  グラフニューラルネットワーク(GNN)は,メッセージパッシング機構を通じて,優れたパフォーマンスを実現している。 最近の研究は、GNNのバックドア攻撃に対する脆弱性を強調している。 本稿では,実践的なバックドア緩和フレームワークである GraphNAD を提案する。
  論文  参考訳（メタデータ） (2025-01-10T10:16:35Z)
• PND-Net: Plant Nutrition Deficiency and Disease Classification using Graph Convolutional Network [18.778641229886393]
  本稿では,グラフ畳み込みネットワーク(GNN)を用いた植物栄養障害と疾患分類の新しい深層学習法を提案する。 The proposed method, called Plant Nutrition Deficiency and Disease Network (PND-Net) was evaluate on two public datasets for nutrition deficiency, and two for disease classification using four CNNs。
  論文  参考訳（メタデータ） (2024-10-16T17:01:28Z)
• Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• 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)

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。