文献

J-GLOBAL ID：202002248653910135   整理番号：20A2086779

植物病害検出のためのディープニューラルネットワークベースのRider-Cuckoo探索アルゴリズム【JST・京大機械翻訳】

Deep neural network based Rider-Cuckoo Search Algorithm for plant disease detection

著者 (4件)： Cristin R. (Department of CSE, GMR Institute of Technology, Rajam, AP, India) ,  Kumar B. Santhosh (Department of CSE, GMR Institute of Technology, Rajam, AP, India) ,  Priya C. (Department of Information Technology, Vels Institute of Science, Technology and Advanced Studies (VISTAS), Chennai, India) ,  Karthick K. (Department of EEE, GMR Institute of Technology, Rajam, AP, India)
資料名： Artificial Intelligence Review  (Artificial Intelligence Review)
巻： 53  号： 7  ページ： 4993-5018  発行年： 2020年 
JST資料番号： E0339C  ISSN： 0269-2821  資料種別： 逐次刊行物 (A)
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： 農業は豊富の主要な源であり,その寄与は人間にとって必須である。しかし,農民が直面するいくつかの障害は,異なる種類の植物病害による。植物病害の決定と予想は主要な関心事であり,生産性を最大化するために考慮すべきである。本論文では,植物病害同定のための効果的な画像処理法を提案した。本研究では,画像中に存在する雑音とアーチファクトを除去するために,入力画像を前処理段階に供する。前処理画像を得た後に,区分的ファジィC平均クラスタリング(piFCM)を用いてセグメントを得るためにセグメンテーション位相を被る。各セグメントは,情報利得,配向勾配のヒストグラム(HOG),エントロピーを含むテクスチャ特徴を抽出する特徴抽出位相を受ける。得られたテクスチャ特徴を,深い信念ネットワーク(DBN)を使用する分類フェーズに供する。ここでは,提案したRider-CSAを用いてDBNを訓練した。提案したRider-CSAを,ライダー最適化アルゴリズム(ROA)とCucko探索(CS)を統合することによって設計した。実験結果は,提案したRider-CSA-DBNが,それぞれ,0.877の感度,0.862の感度,0.877の特異性で,他の既存の方法より優れていることを証明した。Copyright Springer Nature B.V. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エントロピー ,  雑音 ,  セグメンテーション ,  農民 ,  最適化手法 ,  特徴抽出 ,  画像処理 ,  クラスタ化 ,  *植物病害 ,  位相 ,  アーチファクト ,  LIDAR
準シソーラス用語： レーザレーダ ,  *探索アルゴリズム ,  テクスチャ特徴 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 植物疾患 ,  区分的ファジィC平均クラスタリング ,  深い信念ネットワーク ,  分類 ,  テクスチャ特徴

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 植物病害 ,  ディープニューラルネットワーク ,  探索アルゴリズム