文献

J-GLOBAL ID：202202225749711163   整理番号：22A1114535

栄養素欠乏の画像ベース診断のための効率的なネットと移動学習の利用【JST・京大機械翻訳】

Using EfficientNet and transfer learning for image-based diagnosis of nutrient deficiencies

著者 (5件)： Espejo-Garcia Borja (Agricultural University of Athens, Athens, Greece) ,  Malounas Ioannis (Agricultural University of Athens, Athens, Greece) ,  Mylonas Nikos (Agricultural University of Athens, Athens, Greece) ,  Kasimati Aikaterini (Agricultural University of Athens, Athens, Greece) ,  Fountas Spyros (Agricultural University of Athens, Athens, Greece)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 196  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： 栄養不足の早期診断は,効率的な肥料使用を通して環境を保存しながら,有意な農業損失を避け,最終収量を増加させるのに主要な役割を果たすことができる。本研究では,深いニューラルネットワークと移動学習を用いて,RGB画像において栄養不足症状をいかによく認識できるかを調べた。実世界条件を示す2つの異なるデータセットをこの目的に使用した。第1のものは,砂糖ビート(DND-SB)データセットのための深い栄養不足であり,それは,窒素(N),リン(P),およびカリウム(K)欠乏,石灰(Ca)の省略,および完全な施肥を示すサトウダイコンの5648の画像を含んでいる。二番目のものは,本研究のために野外で収集され,現在公的に利用可能であり,鉄(Fe),カリウム(K),マグネシウム(Mg)およびマンガン(Mn)欠乏と異なるオレンジ樹画像を組み合わせたデータセットであった。元の重みがImageNet上で雑音の多い学生訓練から来る,効率的なNetB4による微調整による画像分類は,98.65%と98.52%のTop-1精度を有する両方のデータセットで最良の性能を得た。さらに,Grad-CAM++解析は,モデルが画像内の最も関連する部分の正確な解析を実行することを示した。最後に,農業移転学習の使用は性能の改善を報告しなかった。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： 雑音 ,  *学習 ,  分類 ,  肥料 ,  ニューラルネットワーク ,  石灰 ,  栄養失調 ,  オレンジ ,  砂糖 ,  *画像 ,  モデル ,  *栄養素欠乏 ,  症状 ,  早期診断
準シソーラス用語： 画像分類 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  効率的なネット ,  転移学習 ,  精密農業 ,  栄養素欠乏

分類 (3件)： 医用画像処理  (JE04020T) ,  施肥法・肥効  (FB05030Y) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 栄養素欠乏 ,  診断 ,  ネット ,  学習