文献

J-GLOBAL ID：202202231910186365   整理番号：22A0631175

YOLOsアーキテクチャを用いたUAV画像における樹皮甲虫によって寄生されたドイツトウヒ(Picea abies)の検出【JST・京大機械翻訳】

Detection of Norway Spruce Trees (Picea Abies) Infested by Bark Beetle in UAV Images Using YOLOs Architectures

著者 (4件)： Safonova Anastasiia (Department of Automation and Control Processes, Saint Petersburg Electrotechnical University “LETI,”, Saint Petersburg, Russia) ,  Hamad Yousif (Department of Artificial Intelligence Systems, Siberian Federal University, Krasnoyarsk, Russia) ,  Alekhina Anna (Department of Artificial Intelligence Systems, Siberian Federal University, Krasnoyarsk, Russia) ,  Kaplun Dmitry (Department of Automation and Control Processes, Saint Petersburg Electrotechnical University “LETI,”, Saint Petersburg, Russia)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 10384-10392  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 近年,ヨーロッパトウヒ樹皮甲虫(Ips typgraphus,(L.))の大量発生は針葉樹林に損失的害を引き起こしてきた。この問題に対する主な解決策は,キクイムシの蔓延のタイムリーな予防であり,そのために,寄生の初期段階において被害を受けた樹木を同定することが必要である。幸いことに,最新の検出モデルと共に高分解能無人航空機(UAV)画像は,このような問題に対処する高い可能性を提供する。本研究では,UAV画像で寄生された木を検出するタスクにおいて,YOLOv2,YOLOv3,YOLOv4の3つのYoule Look(YOLO)深層ニューラルネットワークアーキテクチャを評価,比較した。これらのモデルを訓練し試験するための新しいデータセットを構築し,モデルの一般化能力を改善する前処理バランスコントラスト強調技術(BCET)を使用した。著者らの実験は,BCET前処理を適用するとき,YOLOv4が特に良好な結果を達成することを示した。YOLOモデルを比較したとき,平均精度が95%までのYOLOv4に対して,最良の試験結果を得た。人工データ増強の適用の結果として,モデルYOLOv2,YOLOv3,およびYOLOv4の改良は,それぞれ,65.0%,7.22%,および3.19%であった。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： *樹皮 ,  前処理 ,  *画像 ,  無人機 ,  モデル ,  *カブトムシ ,  針葉樹林 ,  深層 ,  高分解能 ,  *計算機アーキテクチャ ,  *Picea abies
準シソーラス用語： 大量発生 ,  コントラスト強調 ,  ニューラルネットワークアーキテクチャ , 【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 (9件)： アーキテクチャ ,  UAV ,  樹皮 ,  甲虫 ,  寄生 ,  ドイツ ,  トウヒ ,  Picea ,  Abies