文献

J-GLOBAL ID：202102255930416653   整理番号：21A1204992

深層学習モデルを用いた作物病害診断【JST・京大機械翻訳】

Crop Disease Diagnosis using Deep Learning Models

著者 (4件)： Haider Waleej (Hamdard University,Department of Computing,Karachi,Pakistan) ,  Ur Rehman Aqeel (Sir Syed University of Engineering & Technology,Department of Software Engineering,Karachi,Pakistan) ,  Maqsood Ahmed (Hamdard University,Department of Computing,Karachi,Pakistan) ,  Javed Syed Zurain (Hamdard University,Department of Computing,Karachi,Pakistan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： GCWOT  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 病気と農薬は,農民が直面するコムギの最も一般的な問題である。これらは,不適当な土地準備,無条件降雨,可変気候条件,および不規則な水化により一般的に形成される。コムギ作物に及ぼすこれらの因子の影響は,最終的に国の経済に影響を及ぼすことができた。疾患のタイムリーな検出は,多くの財政的および時間ベースの損失を避けることができ,関連する疾患管理方法を適用することを助ける。病気を検出する古いマニュアル法は個人観察に基づいている。これらは,a)高頻度の誤差,b)時間消費,c)人間による作物の大きな面積を検出する場合,その観測は,手動法を適用しながら,拡散疾患のリスクを正確,d)リスクとはしないため,あまり寄与しない。自己学習能力によるユーザフレンドリーな応用は,農民が疾患問題に対処するのを助けるために主に必要とされる。本論文では,コムギ疾患のタイムリーな診断のための効果的で効率的なアプローチを提示し,関連する管理方法を提供した。このユーザフレンドリーな応用は,作物病害の管理における様々なタイプのユーザを促進する。データセットをオンラインソースから得て,畳込みニューラルネットワーク(CNN)を用いてデータを訓練した。提案方法は病気の検出において顕著な精度を獲得した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 降雨 ,  農民 ,  *農作物 ,  農薬 ,  コムギ ,  気象条件 ,  土地
準シソーラス用語： オンライン , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 深層学習 ,  モデル ,  作物 ,  病害診断