文献

J-GLOBAL ID：202202274553800401   整理番号：22A1055604

モバイルネットに基づくリンゴ葉疾患の同定【JST・京大機械翻訳】

MobileNet Based Apple Leaf Diseases Identification

著者 (6件)： Bi Chongke (College of Intelligence and Computing, Tianjin University, Tianjin, China) ,  Wang Jiamin (College of Intelligence and Computing, Tianjin University, Tianjin, China) ,  Duan Yulin (Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing, China) ,  Fu Baofeng (College of Intelligence and Computing, Tianjin University, Tianjin, China) ,  Kang Jia-Rong (Department of Information Management, Tatung University, Taipei, Taiwan) ,  Shi Yun (Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing, China)
資料名： Mobile Networks and Applications  (Mobile Networks and Applications)
巻： 27  号： 1  ページ： 172-180  発行年： 2022年 
JST資料番号： W1753A  ISSN： 1383-469X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： Alternaria blotchとさび病はリンゴ葉病害の2つの一般的なタイプであり,リンゴ収量に深刻な影響を与える。リンゴ葉病害のタイムリーで効果的な検出は,リンゴ産業の健全な開発を確保するために重要である。一般的に,これらの疾患は経験した専門家が1つずつ検査されている。これは,不安定な精度で時間のかかるタスクである。そこで本論文では,LOW-COST,STABLE,HIGH精密リンゴ葉病害同定法を提案した。これはMobileNetモデルを採用することによって達成される。第1に,一般的な深層学習モデルと比較して,それはモバイルデバイスに容易に展開できるので,LOW-COSTモデルである。第2に,経験した専門家の代わりに,誰は,著者らのアルゴリズムの助けによって,リンゴ葉病害検査STABLELYを終えることができる。第三に,MobileNetの精度は既存の複雑な深層学習モデルとほぼ同じである。最後に,提案した方法の有効性を実証するために,リンゴ葉病害同定のためにいくつかの実験を行った。効率および精度を有名なCNNモデル,すなわちResNet152および開始V3と比較した。ここでは,リンゴの病気データセット(クラス:Alternaria leaf blotchとさび病の葉を含む)を,中国,陝西省の農業専門家によって集めた。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 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 ,  農業 ,  *リンゴ ,  *葉 ,  Alternaria ,  さび病 ,  同定 ,  有効性 ,  *携帯電話
準シソーラス用語： モバイルデバイス ,  深層学習 ,  病害 , 【Automatic Indexing@JST】

著者キーワード (4件)： リンゴ葉病 ,  モバイル装置 ,  モバイルネット ,  深層学習

分類 (1件)： 果樹  (FC03042G)

タイトルに関連する用語 (6件)： モバイル ,  ネット ,  リンゴ ,  葉 ,  疾患 ,  同定