文献

J-GLOBAL ID：202202239775247334   整理番号：22A0943006

トマト害虫を診断するための最適化深部残留ネットワークシステム【JST・京大機械翻訳】

Optimized deep residual network system for diagnosing tomato pests

著者 (6件)： Yu Helong (College of Information Technology, Jilin Agricultural University, Changchun 130118, China) ,  Liu Jiawen (College of Information Technology, Jilin Agricultural University, Changchun 130118, China) ,  Chen Chengcheng (College of Computer Science and Technology, Jilin University, Changchun 130012, China) ,  Heidari Ali Asghar (School of Surveying and Geospatial Engineering, University of Tehran, Tehran, Iran) ,  Zhang Qian (Wenzhou University of Technology, Wenzhou 325035, China) ,  Chen Huiling (Department of Computer Science and Artificial Intelligence, Wenzhou University, Wenzhou 325035, China)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 195  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： トマトの生産は,しばしばいくつかの害虫(主に白葉とワタの boll虫)の咬合によって脅かされる。ペストはトマト成長季節を通して存在し,害虫による経済的損失を減らすために,これらの短命害虫を検出し,予防する必要がある。深層学習は,近年,植物病害と害虫の同定に広く使用されている。深層学習モデルの性能は,特に選択における手動参加を必要とするハイパーパラメータに対して,ネットワーク構造とハイパーパラメータによって大いに影響を受ける。適切なハイパーパラメータを得るために,本論文は,ショウジョウバエ最適化アルゴリズムを改良して,改良アルゴリズムを使用して,深いネットワークの学習速度を最適化した。実験結果は,改良果実フライ最適化アルゴリズムがより良い学習速度を探索することができることを示した。実験に参加した6つのネットワークの中で,IResNet50は7つのトマト害虫に対して94.4%の平均診断精度を有し,他のモデルより良い。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： アルゴリズム ,  *最適化 ,  *ネットワーク ,  最適化手法 ,  *害虫 ,  *トマト ,  改良 ,  ネットワーク構造 ,  植物病害 ,  ショウジョウバエ ,  咬合 ,  機械学習
準シソーラス用語： 経済損失 ,  *ネットワークシステム ,  ハイパーパラメータ ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： トマト害虫診断 ,  深い残差ネットワーク ,  ミバエ最適化アルゴリズム ,  分類

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： トマト ,  害虫 ,  診断 ,  最適化 ,  深部 ,  残留 ,  ネットワークシステム