文献

J-GLOBAL ID：201902280425919365   整理番号：19A1195352

穀類作物における多年生雑草検出のための色分類法【JST・京大機械翻訳】

Color Classification Methods for Perennial Weed Detection in Cereal Crops

著者 (6件)： Forero Manuel G. (Facultad de Ingenieria, Universidad de Ibague, Ibague, Colombia) ,  Herrera-Rivera Sergio (Facultad de Ingenieria, Universidad de Ibague, Ibague, Colombia) ,  Avila-Navarro Julian (Facultad de Ingenieria, Universidad de Ibague, Ibague, Colombia) ,  Franco Camilo Andres (Departamento de Ingenieria Industrial, Universidad de los Andes, Bogota, Colombia) ,  Rasmussen Jesper (Department of Plant and Environmental Sciences, University of Copenhagen, Copenhagen, Denmark) ,  Nielsen Jon (Department of Plant and Environmental Sciences, University of Copenhagen, Copenhagen, Denmark)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11401  ページ： 117-123  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： Cirsium arvenseは穀類作物に影響する寒冷気候で通常見られる侵入植物である。したがって,その検出は作物生産を改善するために重要である。空中写真の解析に基づく以前の研究は,画像処理に基づく深い学習技術と確立した方法を用いて,その検出に焦点を合わせた。本研究では,機械学習アルゴリズムにより見出されたものよりも良好な結果を生成する画像処理技術を紹介した。これは穀類作物における雑草の検出の精度と速度のような側面に反映される。提案した方法は,作物に関するこの植物の極端な緑色特性の検出に基づいている。この技術を評価するために,2つの異なる高さ:10と50mから得た画像を用いて,6つの一般的な機械学習法と比較した。機械学習技術により得られた精度は,200×200画素サブ画像で2分以上の実行時間で最良で97.07%であり,一方,提案画像処理法の精度は98.23%であり,その実行時間は3秒未満であった。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 空中写真 ,  *穀類 ,  *雑草 ,  機械学習 ,  画像処理 ,  画素 ,  寒冷気候 ,  学習アルゴリズム ,  自動化 ,  *農作物 ,  画像 ,  学習
準シソーラス用語： 実行時間 ,  侵入植物 ,  Cirsium arvense , 【Automatic Indexing@JST】

著者キーワード (5件)： 自動化した雑草分類 ,  機械学習 ,  深層学習 ,  画像処理 ,  穀類作物

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 穀類 ,  作物 ,  雑草 ,  色分類