注意ベースニューラルネットワークとBayes最適化を用いたイネ病害検出と分類【JST・京大機械翻訳】

Wang Yibin; Wang Haifeng; Peng Zhaohua

プレプリント

J-GLOBAL ID：202202210554424880 整理番号：22P0023130

注意ベースニューラルネットワークとBayes最適化を用いたイネ病害検出と分類【JST・京大機械翻訳】

Rice Diseases Detection and Classification Using Attention Based Neural Network and Bayesian Optimization

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月03日プレプリントサーバーでの情報更新日： 2022年01月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

本研究では,イネ葉画像からイネ病害を検出し,分類するために,Bayes最適化(ADSNN-BO)による注意ベース深度分離可能ニューラルネットワークを提案した。イネ病は,しばしば収量の20から40%の作物生産損失をもたらし,地球規模の経済と高い関係がある。迅速な疾患同定は,治療を迅速に計画し,死体損失を減らすために重要である。米疾患診断は,まだ手動で行われる。AI支援迅速かつ正確な疾患検出を達成するために,著者らはMobileNet構造に基づくADSNN-BOモデルを提案して,注意機構を強化した。さらに,Bayes最適化法を適用してモデルのハイパーパラメータを調整した。交差検証分類実験を,合計4つのカテゴリーを有する公共米疾患データセットに基づいて実施した。実験結果は,著者らのモバイル互換性ADSNN-BOモデルが94.65%の試験精度を達成し,試験した最先端のモデルの全てより優れていることを実証した。提案モデルの解釈可能性をチェックするため,活性化マップとフィルタ可視化手法を含む特徴解析も行った。結果は,著者らの提案した注意ベースの機構が,有益な特徴を学ぶためにADSNN-BOモデルをより効果的に誘導できることを示した。本研究の結果は,農業分野における高速植物病害診断と制御のための人工知能の実施を促進するであろう。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , 医用画像処理 , ニューロコンピュータ

, , , , ,

前のページに戻る