論文の概要: Use Of Convolutional Neural Networks In Detection Of Branch Dieback Disease In Pequi Trees

• arxiv url: http://arxiv.org/abs/2610.15049v2
• Date: Wed, 14 Oct 2026 14:48:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.146166
• Title: Use Of Convolutional Neural Networks In Detection Of Branch Dieback Disease In Pequi Trees
• Title（参考訳）: コンボリューションニューラルネットワークを用いたペキ樹枝ダイバック病の検出
• Abstract要約: 本研究は、ペキー(Caryocar brasiliense)における分岐ダイバック(seca-dos-ponteiros)の診断のための5つの畳み込みニューラルネットワーク(CNN)アーキテクチャの評価と比較を行った。 この手法は、深層学習フレームワークを用いたコンピュータビジョン技術を用いて、6,272個のマルチスケール画像に拡張されたフィールドデータセットの処理と評価を行う。 実験の結果、アーキテクチャの複雑さは診断の信頼性を保証せず、パラメータ化されたネットワークは最適化の失敗を経験し、一方、コンパクトなアーキテクチャはより高い安定性を実現した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This study evaluates and compares five convolutional neural network (CNN) architectures, AlexNet, Inception, LeNet, VGG16, and MobileNet, for diagnosing branch dieback (seca-dos-ponteiros) in pequi trees (Caryocar brasiliense). This phytopathology represents a severe threat to tree development and fruit yield, causing substantial economic and ecological losses across the Brazilian Cerrado. The methodology implements computer vision techniques using deep learning frameworks to process and evaluate a field dataset expanded to 6,272 multi-scale images, captured via UAV and handheld sensors under uncontrolled illumination. The models were trained to detect pathological visual patterns across leaves, branches, and canopies. The experimental initial results reveal that architectural complexity did not guarantee diagnostic reliability, heavily parameterized networks experienced optimization failures (VGG16 collapsed into majority-class prediction), whereas compact architectures achieved greater stability. MobileNet delivered the most competitive overall performance, obtaining the highest Precision (0.71) and ROC-AUC (0.63), closely followed by LeNet (AUC = 0.62). These findings indicate the viability of lightweight CNNs as foundational tools for automated phytosanitary surveillance of native flora in resource-constrained field environments.
• Abstract（参考訳）: 本研究は、ペキーツリー(Caryocar brasiliense)における分岐ダイバック(seca-dos-ponteiros)の診断のために、AlexNet、Inception、LeNet、VGG16、MobileNetの5つの畳み込みニューラルネットワーク(CNN)アーキテクチャを評価し、比較した。 この植物病理学は、樹木の発達と果実の収量に対する深刻な脅威であり、ブラジルのセラド山脈全体で経済的、生態学的に重大な損失をもたらした。 この手法は、深層学習フレームワークを用いたコンピュータビジョン技術を用いて、6,272個のマルチスケール画像に拡張されたフィールドデータセットの処理と評価を行う。 モデルは葉、枝、樹冠にまたがる病理的な視覚パターンを検出するために訓練された。 実験の結果、アーキテクチャの複雑さは診断の信頼性を保証せず、パラメータ化されたネットワークは最適化の失敗を経験した(VGG16は多数派に崩壊した)。 MobileNetは最高の精度 (0.71) とROC-AUC (0.63) を獲得し、その後にLeNet (AUC = 0.62) が続いた。 これらの結果から, 資源制約環境下での植物衛生モニタリングの基盤として, 軽量CNNが有効であることが示唆された。

関連論文リスト

• Evaluation of Convolutional Neural Network For Image Classification with Agricultural and Urban Datasets [0.0]
  カスタム畳み込みニューラルネットワーク(CustomCNN)は、アーキテクチャ設計の選択がマルチドメイン画像分類タスクにどのように影響するかを研究するために作成される。 モデルはトレーニングされ、5つの公開データセットでテストされる。 一般的なCNNアーキテクチャと比較すると、CustomCNNは計算効率を保ちながら競争力のある性能を提供する。
  論文  参考訳（メタデータ） (2026-01-04T06:09:49Z)
• A Graph-Based Framework for Interpretable Whole Slide Image Analysis [86.37618055724441]
  我々は,全スライディング画像を生物学的にインフォームドされたグラフ表現に変換するフレームワークを開発した。 我々のアプローチは、任意の格子ではなく、自然構造を尊重する組織領域からグラフノードを構築する。 がんのステージングと生存予測の課題に強いパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-03-14T20:15:04Z)
• PhytNet -- Tailored Convolutional Neural Networks for Custom Botanical Data [0.0]
  我々は、病気、雑草、作物の分類のための新しいCNNアーキテクチャであるPhytNetを開発した。 赤外線ココアツリー画像の新しいデータセットを用いて、PhytNetの開発を実演し、その性能を既存のアーキテクチャと比較する。 PhytNetは、関連する機能に優れた注意を払っており、オーバーフィッティングがなく、非常に低コストである。
  論文  参考訳（メタデータ） (2023-11-20T14:15:48Z)
• An Improved CNN-based Neural Network Model for Fruit Sugar Level Detection [24.07349410158827]
  我々は,果実の可視/近赤外(V/NIR)スペクトルに基づいて,ニューラルネットワーク(ANN)を用いた果実糖度推定のための回帰モデルを構築した。 果実糖濃度を検出対象として,Gan Nan Navel と Tian Shan Pear の2種類の果実データを収集し,その比較実験を行った。
  論文  参考訳（メタデータ） (2023-11-18T17:07:25Z)
• Graph Neural Networks with Trainable Adjacency Matrices for Fault Diagnosis on Multivariate Sensor Data [69.25738064847175]
  各センサの信号の挙動を別々に検討し,相互の相関関係と隠れ関係を考慮する必要がある。 グラフノードは、異なるセンサーからのデータとして表現することができ、エッジは、これらのデータの影響を互いに表示することができる。 グラフニューラルネットワークのトレーニング中にグラフを構築する方法が提案されている。これにより、センサー間の依存関係が事前に分かっていないデータ上でモデルをトレーニングすることができる。
  論文  参考訳（メタデータ） (2022-10-20T11:03:21Z)
• Contrastive Brain Network Learning via Hierarchical Signed Graph Pooling Model [64.29487107585665]
  脳機能ネットワーク上のグラフ表現学習技術は、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を容易にする。 本稿では,脳機能ネットワークからグラフレベル表現を抽出する階層型グラフ表現学習モデルを提案する。 また、モデルの性能をさらに向上させるために、機能的脳ネットワークデータをコントラスト学習のために拡張する新たな戦略を提案する。
  論文  参考訳（メタデータ） (2022-07-14T20:03:52Z)
• FuNNscope: Visual microscope for interactively exploring the loss landscape of fully connected neural networks [77.34726150561087]
  ニューラルネットワークの高次元景観特性を探索する方法を示す。 我々は、小さなニューラルネットワークの観測結果をより複雑なシステムに一般化する。 インタラクティブダッシュボードは、いくつかのアプリケーションネットワークを開放する。
  論文  参考訳（メタデータ） (2022-04-09T16:41:53Z)
• BreakingBED -- Breaking Binary and Efficient Deep Neural Networks by Adversarial Attacks [65.2021953284622]
  CNNのホワイトボックス攻撃やブラックボックス攻撃に対する堅牢性について検討する。 結果は、蒸留されたCNN、エージェントベースの最新のprunedモデル、およびバイナライズニューラルネットワークのために示されています。
  論文  参考訳（メタデータ） (2021-03-14T20:43:19Z)
• Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
  本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。 このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。 高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-27T03:17:20Z)
• Learning Shape Features and Abstractions in 3D Convolutional Neural Networks for Detecting Alzheimer's Disease [0.0]
  本論文では,アルツハイマー病を検出するための3D ConvNets による学習形状の特徴と抽象化について検討した。 異なるモデルのLRP関連マップでは、どの部位が分類決定に関連しているかが明らかにされた。 最後に,畳み込み型オートエンコーダからの伝達学習を実施し,入力パッチによるトレーニングサンプル数の増加が学習機能やモデル性能を向上させるかを確認した。
  論文  参考訳（メタデータ） (2020-09-10T17:41:03Z)

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。