文献

J-GLOBAL ID：202102271997771368   整理番号：21A0043915

遷移学習に基づく農作物病虫害検出法の研究と応用【JST・京大機械翻訳】

Research and Application of Crop Diseases Detection Method Based on Transfer Learning

著者 (6件)： Yu Xiaodong (成都大学計算机学院,成都610106;成都大学模式識別与智能信息処理四川省高校重点実験室,成都610106) ,  Yang Mengji (成都大学計算机学院,成都610106;成都大学模式識別与智能信息処理四川省高校重点実験室,成都610106) ,  Zhang Haiqing (成都信息工程大学軟件工程学院,成都610225) ,  Li Dan (成都大学計算机学院,成都610106) ,  Tang Yiqian (成都大学計算机学院,成都610106) ,  Yu Xi (成都大学計算机学院,成都610106;成都大学模式識別与智能信息処理四川省高校重点実験室,成都610106)
資料名： Nongye Jixie Xuebao  (Nongye Jixie Xuebao)
巻： 51  号： 10  ページ： 252-258  発行年： 2020年 
JST資料番号： C2453A  ISSN： 1000-1298  CODEN： NUYCA3  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 農作物病害虫の重症度(健康、一般、厳重)の分類効果を高めるため、移動学習方式と深さ学習を用いて、残差ネットワーク(ResNet50)に基づくCDCNNv2アルゴリズムを提案した。10種類の作物の3万の多大病虫害画像を訓練することにより、病虫害の厳重な分類モデルが得られ、その識別精度は91.51%に達した。CDCNNv2モデルのロバスト性を検証するため,それぞれResNet50,Xception,VGG16,VGG19,DenseNet121モデルと比較して,実験結果を,それぞれ,移動学習のResNet50,Xception,VGG16,VGG19,DenseNet121モデルと比較した。CDCNNv2モデルは他のモデルより平均精度が2.7810.93ポイント高く、分類精度が高く、病虫害の厳しさ識別のロバスト性が増強した。このアルゴリズムで訓練したモデルに基づき,Android技術と組み合わせて,リアルタイムオンライン農作物病害虫の等級識別APPを開発し,農作物葉病害虫の地域画像を撮影することにより,0.10にすることができた。5s以内に、識別結果(種-病害の種類-厳重)及び予防治療のアドバイスを得た。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  ネットワーク ,  *農作物 ,  残差 ,  *検出法 ,  ロバスト性
準シソーラス用語： 媒介昆虫 ,  分類精度 ,  *病虫害 ,  アンドロイド ,  分類モデル , 【Automatic Indexing@JST】

分類 (1件)： 植物の病災害一般  (FC04010Y)

タイトルに関連する用語 (7件)： 遷移 ,  学習 ,  農作物 ,  病虫害 ,  検出法 ,  研究 ,  応用