文献

J-GLOBAL ID：202002243396757802   整理番号：20A2060718

柑橘類葉病のスマートフォン画像に基づく実時間分類のための畳込みニューラルネットワークの比較【JST・京大機械翻訳】

Comparison of convolution neural networks for smartphone image based real time classification of citrus leaf disease

著者 (4件)： Barman Utpal (Department of Information Technology, Gauhati University, Guwahati, Assam, India) ,  Choudhury Ridip Dev (Department of Computer Science, IDOL, Gauhati University, Guwahati, Assam, India) ,  Sahu Diganto (Department of Computer Science and Engineering, GIMT, Guwahati, Assam, India) ,  Barman Golap Gunjan (Department of Computer Science and Engineering, GIMT, Guwahati, Assam, India)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 177  ページ： Null  発行年： 2020年 
JST資料番号： T0337A  ISSN： 0168-1699  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 専門家は,農業研究室を用いて,または視覚症状を見ることによって, citrus病を診断するのを助ける。これらの方法は,実験室の専門家のコストと非利用のため,すべての農民にアクセスできないかもしれない。提案した研究は,柑橘類葉の病気を分類するための2つの異なる畳込みニューラルネットワーク(CNN)アーキテクチャの比較を提示する。本論文では,MobileNetおよび自己構造化(SSCNN)分類器のような2種類のCNNアーキテクチャを用いて,栄養段階における柑橘類葉病害を検出し,分類した。提案した研究は,スマートフォン画像ベースの柑橘類病データセットを作成した。両モデルを訓練し,同じ柑橘類データセットで試験した。モデルの性能を訓練と検証セットの精度と損失を用いてそれぞれ評価した。Mobile Net CNNの最良訓練精度は98%で,その時10で92%の検証精度であった。しかし,SSCNNの最良の訓練精度は98%であり,その時期12で99%の検証精度であった。提案したシステムは,SSCNNがスマートフォン画像ベースの柑橘類葉疾患分類のためにより有用で正確であることを示した。さらに,SSCNNアルゴリズムはMobileNetと比較して計算時間が少なく,柑橘類病検出の費用対効果の高い方法と考えられる。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  視覚 ,  農業 ,  農民 ,  計算機アーキテクチャ ,  携帯電話 ,  *スマートフォン
準シソーラス用語： *ミカン類 ,  費用対効果 ,  実時間 ,  深層学習 ,  *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)： 深層学習 ,  CNN ,  モバイルネット ,  スマートフォン ,  カンキツ病

分類 (2件)： 果樹  (FC03042G) ,  細菌による植物病害  (FC04053P)

タイトルに関連する用語 (6件)： 柑橘類 ,  葉 ,  スマートフォン ,  実時間 ,  分類 ,  畳込みニューラルネットワーク