文献

J-GLOBAL ID：202102243109958591   整理番号：21A0192537

スペクトル前処理技術と機械学習アルゴリズムを用いたワサビ葉の葉クロロフィル含量を定量化するハイパースペクトル反射率センシング【JST・京大機械翻訳】

Hyperspectral reflectance sensing for quantifying leaf chlorophyll content in wasabi leaves using spectral pre-processing techniques and machine learning algorithms

著者 (6件)： Sonobe Rei (Faculty of Agriculture, Shizuoka University, Shizuoka, Japan) ,  Yamashita Hiroto (Faculty of Agriculture, Shizuoka University, Shizuoka, Japan) ,  Yamashita Hiroto (United Graduate School of Agricultural Science, Gifu University, Gifu, Japan) ,  Mihara Harumi (Graduate School of Integrated Science and Technology, Shizuoka University, Shizuoka, Japan) ,  Morita Akio (Faculty of Agriculture, Shizuoka University, Shizuoka, Japan) ,  Ikka Takashi (Faculty of Agriculture, Shizuoka University, Shizuoka, Japan)
資料名： International Journal of Remote Sensing  (International Journal of Remote Sensing)
巻： 42  号： 4  ページ： 1311-1329  発行年： 2021年 
JST資料番号： B0645B  ISSN： 0143-1161  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ABSTRACT:クロロフィル含量の変化は,植物の栄養的および環境的ストレスと同様に,病気の良い指標になる。クロロフィル含量のような植生特性を同定するために,スペクトルデータからノイズを低減するためのいくつかの前処理技術が提案されている。機械学習アルゴリズムも生化学特性を評価するために適用した。しかし,前処理技術と機械学習アルゴリズムを統合するアプローチは完全には評価されていない。したがって,本研究では,2つのアビ品種におけるクロロフィル含量を推定するための5つの機械学習アルゴリズムと組み合わせた5つの前処理技術の有効性を評価した。全体として,前処理技術の導入は高精度で推定値を得るために効果的であった。前処理と機械学習の両方を利用する解析は100回の繰り返しのうち88で最良であった。カーネルベースの極端学習機械(KELM)とCubistアルゴリズムは最高の性能をもたらし,100回の繰り返しのそれぞれ54と26で最高の精度を達成した。Please refer to the publisher for the copyright holders. 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 ,  雑音 ,  前処理 ,  *スペクトル ,  *ワサビ ,  品種 ,  有効性 ,  推定量 ,  *機械学習 ,  *学習アルゴリズム
準シソーラス用語： スペクトルデータ ,  高精度 ,  *クロロフィル含量 ,  ハイパースペクトル反射率 ,  極度学習機械 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (10件)： スペクトル ,  前処理 ,  機械学習 ,  アルゴリズム ,  ワサビ ,  葉 ,  クロロフィル含量 ,  定量化 ,  ハイパースペクトル反射率 ,  センシング