文献

J-GLOBAL ID：202002254757323281   整理番号：20A0194499

植物水分ストレスを推定するためのクラスタ化に基づく液滴によるマルチモーダルニューラルネットワーク【JST・京大機械翻訳】

Multimodal neural network with clustering-based drop for estimating plant water stress

著者 (6件)： Wakamori Kazumasa (Graduate School of Integrated Science and Technology, Shizuoka University, 3-5-1 Johoku, Naka-ku, Hamamatsu, Shizuoka 432-8011, Japan) ,  Mizuno Ryosuke (Graduate School of Integrated Science and Technology, Shizuoka University, 3-5-1 Johoku, Naka-ku, Hamamatsu, Shizuoka 432-8011, Japan) ,  Nakanishi Gota (Graduate School of Integrated Science and Technology, Shizuoka University, 3-5-1 Johoku, Naka-ku, Hamamatsu, Shizuoka 432-8011, Japan) ,  Mineno Hiroshi (Graduate School of Integrated Science and Technology, Shizuoka University, 3-5-1 Johoku, Naka-ku, Hamamatsu, Shizuoka 432-8011, Japan) ,  Mineno Hiroshi (Research Institute of Green Science and Technology, Shizuoka University, Japan) ,  Mineno Hiroshi (JST, PRESTO, 4-1-8 Honcho, Kawaguchi, Saitama 332-0012, Japan)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 168  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： 低コストのデータによる意思決定は,農業の分野における魅力的なアプローチであり,先進的な栽培技術を継承することの困難さを解決することを助ける。ストレス栽培の意思決定プロセスにおける専門知識を提供するために,植物水ストレスに基づく精密灌漑は,高品質果実を着実に生産するために必要である。単一の低コストデータ,すなわち単一モードデータを従来のアプローチで用いた。しかし,高度栽培のためには,生理学的および気象学的データのような多モードデータが必要である。本研究では,植物画像と環境データを用いて,潅漑意思決定の指標として,植物水ストレスの正確な推定のためにクラスタ化ベースの液滴(C-Drop)を持つ多モードニューラルネットワークを提案した。著者らの提案した方法は,長い短期記憶層を含む多モードニューラルネットワークの注目機構として,環境特徴(気象データ)を用いて,葉のwil特徴(生理学的データ)から時間的多モード特徴を抽出する。さらに,Cドロップを持つ提案したニューラルネットワークは,環境条件を考慮した新しいエンドツーエンドの深い学習アーキテクチャを実現する。既存の方法に対するこの方法の評価において,提案した方法は,平均絶対誤差および根平均二乗誤差に対して,植物水ストレス推定の精度を21%改善することが分かった。このことは,この方法が植物水ストレス推定に対して正確で安定であることを示している。精密灌漑を支援するために提案した方法の性能は,新しい農民が着実に高品質の果実を生産することを可能にする。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： 計算機アーキテクチャ ,  *多モード ,  栽培 ,  画像処理 ,  意思決定 ,  *クラスタ化 ,  *液滴 ,  農民 ,  灌漑 ,  学習 ,  気象データ ,  *ニューラルネットワーク ,  エンドツーエンド方式 ,  単一モード ,  モデリング

著者キーワード (4件)： 植物水ストレス ,  マルチモーダル深層学習 ,  時系列モデリング ,  画像処理

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 植物 ,  水分ストレス ,  推定 ,  クラスタ化 ,  液滴