抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】