文献

J-GLOBAL ID：201802233115228689   整理番号：18A2096281

葉画像を用いたジャガイモ胴枯病検出における分類器-SVM,RFおよびANNの性能比較【JST・京大機械翻訳】

Comparision of Performance of Classifiers - SVM, RF and ANN in Potato Blight Disease Detection Using Leaf Images

著者 (3件)： Patil Priyadarshini (KLE Technological University, School of Computer Science and Engineering, Hubli, India) ,  Yaligar Nagaratna (KLE Technological University, School of Computer Science and Engineering, Hubli, India) ,  M Meena S (KLE Technological University, School of Computer Science and Engineering, Hubli, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCIC  ページ： 1-5  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 農業において,タイムリーな病害防除と管理は,収量の最適化,収穫品質の改善,および農民への損失の最小化において重要な役割を果たしている。自動化された病害管理ツールは,農民にとって重要な助けとなる。本論文では,ジャガイモにおける効率的な自動化病害管理技術を提示する。ジャガイモは世界の4番目に大きい食用作物であり,世界の多くの地域で栽培されている。ジャガイモ作物は,成長の異なる段階において,真菌感染,すなわち早期の枯れ病と後期の枯れ病によって主に影響される。これらは葉の褐色斑点と黒色病変として現れる。ジャガイモ葉の画像を捕獲し,病気の症状を検出し,さらに病気または正常に分類した。ここでは,画像処理と機械学習技術を用いた。分類装置サポートベクトルマシン(SVM),ランダムフォレスト(RF)および人工ニューラルネットワーク(ANN)の性能の比較を,ジャガイモ葉の同じ試験データセットに関して実行した。結果から,ANNスコアは92~%の精度で最も高く,SVMは84~%の精度で,RFは79%の精度を有することが観察された。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  *ジャガイモ ,  農民 ,  自動化 ,  画像処理 ,  サポートベクトルマシン ,  農作物 ,  品質 ,  *画像 ,  最適化 ,  病害防除 ,  農業
準シソーラス用語： スコア ,  ランダムフォレスト ,  病害 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 葉 ,  ジャガイモ ,  胴枯病 ,  分類器 ,  SVM ,  RF ,  性能比較