文献

J-GLOBAL ID：202002272746922385   整理番号：20A0451197

畳込みニューラルネットワークを用いた自然情景における作物害虫認識【JST・京大機械翻訳】

Crop pest recognition in natural scenes using convolutional neural networks

著者 (6件)： Li Yanfen (Department of Computer Science and Engineering, Sejong University, Seoul, Republic of Korea) ,  Wang Hanxiang (Department of Computer Science and Engineering, Sejong University, Seoul, Republic of Korea) ,  Dang L. Minh (Department of Computer Science and Engineering, Sejong University, Seoul, Republic of Korea) ,  Sadeghi-Niaraki Abolghasem (Department of Computer Science and Engineering, Sejong University, Seoul, Republic of Korea) ,  Sadeghi-Niaraki Abolghasem (Geoinformation Tech. Center of Excellence, Faculty of Geodesy& Geomatics Engineering, K.N. Toosi University of Technology, Tehran, Iran) ,  Moon Hyeonjoon (Department of Computer Science and Engineering, Sejong University, Seoul, Republic of Korea)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 169  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： 作物病害と害虫は,それらの発生の程度と程度が有意な作物損失を引き起こすので,世界的に主要な農業問題である。さらに,従来の作物害虫認識法は,有用な特徴集合の手動選択により制限され,無効で,時間がかかる。本論文は,いくつかの深い畳込みニューラルネットワーク(CNNs)を適用することによって,作物害虫の10の一般種を正確に認識する作物害虫認識法を紹介する。本論文の主な貢献は,(1)人手で収集され検証された作物害虫データセットを記述し,共有する;(2)微調整GoogLeNetモデルを,農地シーンによって提示された複雑な背景を扱うために提案する。そして,害虫分類結果はオリジナルモデルより良い。そして,(3)微調整GoogLeNetモデルは,最先端の方法と比較して6.22%の改良を得た。結果として,提案したモデルは,実世界応用に適用される可能性があり,作物病同定に関する研究をさらに動機づける。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： 農業 ,  *農作物 ,  農地 ,  *害虫
準シソーラス用語： 病害 , 【Automatic Indexing@JST】

著者キーワード (6件)： 病害虫の分類 ,  CNN ,  深層学習 ,  Googlenet ,  作物 ,  自然情景

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

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  情景 ,  作物 ,  害虫