文献

J-GLOBAL ID：201902225257395121   整理番号：19A2126543

植物病害の自動同定のための畳込みニューラルネットワーク【JST・京大機械翻訳】

Convolutional Neural Networks for the Automatic Identification of Plant Diseases

著者 (7件)： Boulent Justine (Department of Applied Geomatics, Universite de Sherbrooke, Sherbrooke, QC, Canada) ,  Boulent Justine (Vision and Imagery Team, Computer Research Institute of Montreal, Montreal, QC, Canada) ,  Boulent Justine (Quebec Centre for Biodiversity Science (QCBS), Montreal, QC, Canada) ,  Foucher Samuel (Vision and Imagery Team, Computer Research Institute of Montreal, Montreal, QC, Canada) ,  Theau Jerome (Department of Applied Geomatics, Universite de Sherbrooke, Sherbrooke, QC, Canada) ,  Theau Jerome (Quebec Centre for Biodiversity Science (QCBS), Montreal, QC, Canada) ,  St-Charles Pierre-Luc (Vision and Imagery Team, Computer Research Institute of Montreal, Montreal, QC, Canada)
資料名： Frontiers in Plant Science (Web)  (Frontiers in Plant Science (Web))
巻： 10  ページ： 941  発行年： 2019年 
JST資料番号： U7094A  ISSN： 1664-462X  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 深い学習技術,特に畳込みニューラルネットワーク(CNNs)は画像処理において著しい進歩をもたらした。2016年以来,作物病害の自動同定のための多くの応用が開発された。これらの応用は専門知識支援または自動スクリーニングツールの開発の基礎として役立つ。そのようなツールは,より持続可能な農業実践とより大きな食品生産セキュリティに貢献することができた。このような応用のためのこれらのネットワークの可能性を評価するために,作物病害を自動的に同定するためにCNNsに頼った19の研究を調査した。それらのプロファイル,それらの主要な実装側面およびそれらの性能を記述した。著者らの調査は,この研究分野における研究の主要な問題点と欠点を特定することを可能にする。また,将来の研究のためのいくつかの方向と同様に,運転状況におけるCNNsの使用を改善するためのガイドラインを提供する。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 持続可能な農業 ,  画像処理 ,  *植物病害 ,  学習 ,  *ネットワーク ,  農作物 ,  セキュリティ
準シソーラス用語： 専門知識 ,  *病害 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 畳み込みニューラルネットワーク ,  深層学習 ,  精密農業 ,  レビュー(記事) ,  植物病害の検出

分類 (1件)： 遺伝子発現  (EC02040Q)

引用文献 (61件)：

• Alom M. Z., Taha T. M., Yakopcic C., Westberg S., Hasan M., Esesn B. C. V., et al. (2018). The history began from alexnet: a comprehensive survey on deep learning approaches. arXiv:1803.01164.
• Atabay H. A. (2017). Deep residual learning for tomato plant leaf disease identification. J. Theor. Appl. Inform. Technol. 95, 6800-6808.
• Barbedo J. G. A. (2016). A review on the main challenges in automatic plant disease identification based on visible range images. Biosyst. Eng. 144, 52-60. doi: 10.1016/j.biosystemseng.2016.01.017
• Barbedo J. G. A. (2018a). Factors influencing the use of deep learning for plant disease recognition. Biosyst. Eng. 172, 84-91. doi: 10.1016/j.biosystemseng.2018.05.013
• Barbedo J. G. A. (2018b). Impact of dataset size and variety on the effectiveness of deep learning and transfer learning for plant disease classification. Comput. Electron. Agric. 153, 46-53. doi: 10.1016/j.compag.2018.08.013

タイトルに関連する用語 (3件)： 植物病害 ,  同定 ,  畳込みニューラルネットワーク