文献

J-GLOBAL ID：202202219800029579   整理番号：22A0901026

マルチスケール特徴融合に基づく作物害虫の分類【JST・京大機械翻訳】

Classification of crop pests based on multi-scale feature fusion

著者 (6件)： Wei Depeng (Guangxi University, Nanning 530007 China) ,  Chen Jiqing (Guangxi University, Nanning 530007 China) ,  Chen Jiqing (Guangxi Key Laboratory of manufacturing systems and advanced manufacturing technology, Nanning 530007 China) ,  Luo Tian (Guangxi University, Nanning 530007 China) ,  Long Teng (Guangxi University, Nanning 530007 China) ,  Wang Huabin (Guangxi University, Nanning 530007 China)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 194  ページ： Null  発行年： 2022年 
JST資料番号： T0337A  ISSN： 0168-1699  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 作物病害と害虫は重大な自然災害であり,作物の出力を確保するために予測し,監視する必要がある。多様な害虫と成長の初期段階における作物の類似した形態のため,農業労働者が様々なタイプの害虫を正確に同定するのは難しい。作物昆虫は植物病害と害虫の予防と防除に大きな課題をもたらした。この問題に対応して,作物害虫を正確に認識し,分類するために,マルチスケール特徴融合(MFFNet)に基づく作物害虫の分類法を提案した。最初に,マルチスケール特徴抽出モジュール(MFE)を拡張畳込みを用いて設計し,害虫画像のマルチスケール特徴マップを得た。同時に,特徴抽出モジュール(DFE)によって画像の深い特徴情報を抽出した。最後に,マルチスケール特徴抽出モジュール(MFE)と特徴抽出モジュール(DFE)によって別々に抽出された特徴を融合して,このようにして,エンドツーエンドの方法によって作物昆虫類を正確に分類して同定した。実験は,著者らの提案方法が12種類の害虫のデータセットに関して優れた分類性能を得て,その分類精度率(ACC)が98.2%に達したことを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *害虫 ,  *農作物 ,  特徴抽出 ,  労働者 ,  画像 ,  植物病害 ,  昆虫類 ,  エンドツーエンド方式 ,  自然災害 ,  *指数 ,  *規模 ,  防除 ,  *データ融合
準シソーラス用語： *マルチスケール ,  特徴マップ ,  *特徴融合 ,  病害 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  CNNマルチスケール融合 ,  拡大畳込み ,  害虫分類

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： マルチスケール ,  特徴融合 ,  作物 ,  害虫 ,  分類