文献

J-GLOBAL ID：202202221976999277   整理番号：22A0979188

機械学習技術を用いた非健康柑橘類葉の検出【JST・京大機械翻訳】

Detection of Unhealthy citrus leaves using Machine Learning Technique

著者 (3件)： Goyal Nidhi (Amity University,Noida,Uttar Pradesh,India) ,  Kumar Sumit (Amity University,Noida,Uttar Pradesh,India) ,  Saraswat Mukesh (Jaypee Institute Of Information Technology,Noida,Uttar Pradesh,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： Confluence  ページ： 591-595  発行年： 2022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： 精密農業は,より少ない資源で生産性を増加させ,意思決定プロセスに寄与する。植物の生産は,植物の品質を低下させる病気によって広く影響され,農民に財政的損失を引き起こす。過去数十年間,画像処理法は,植物の病気を検出し,分類するために広く使用されている。世界の熱帯地域では,柑橘類植物は成長している。病気からの植物を防ぐために,初期段階の病気の検出は農民にとって有効である。したがって,本論文は,異なる技術を用いて,健康で不健康な柑橘類の葉を検出する。画像のセグメンテーションと特徴の抽出のために,Otsu閾値化を行った。さらに,WOA,LOA,CSOおよびDEのような様々なメタヒューリスティックアルゴリズムを用いて,特徴の最適化セットを選択した。サポートベクトルマシン(SVM)と多層パーセプトロン(MLP)を用いて分類を行った。異なる性能品質測度を,リコール,精度などで評価した。F1スコア,感度および精度。全体の結果は,MLPが74.8%の精度を提供して,SVMがWOAを利用することによって61.6%を与えることを示す。実験解析により,MLPはSVMよりも精度が高いことを示した。Copyright 2022 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： アルゴリズム ,  最適化 ,  測度 ,  セグメンテーション ,  *農民 ,  画像処理 ,  熱帯 ,  多層パーセプトロン ,  サポートベクトルマシン
準シソーラス用語： *ミカン類 ,  精密農業 ,  ヒューリスティック ,  *機械学習技術 , 【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 (3件)： 機械学習技術 ,  柑橘類 ,  葉