文献

J-GLOBAL ID：202202279871804499   整理番号：22A1164781

深層学習を用いたリンゴ葉病検出【JST・京大機械翻訳】

Apple Leaf Disease Detection using Deep Learning

著者 (5件)： K Sangeetha (Kongu Engineering College,Computer Science and Engineering,Erode,India) ,  P Vishnu Raja (Kongu Engineering College,Computer Science and Engineering,Erode,India) ,  P Rima (Kongu Engineering College,Computer Science and Engineering,Erode,India) ,  M Pranesh Kumar (Kongu Engineering College,Computer Science and Engineering,Erode,India) ,  S Preethees (Kongu Engineering College,Computer Science and Engineering,Erode,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCMC  ページ： 1063-1067  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： 一般に,農業は地球上の人間の生活に寄与するのに非常に重要な役割を果たす。農業は,地域の食品および経済成長を提供する主要な源として作用し,既知の植物は,化学物質の過度の使用または細菌,ウイルスおよび菌類のいずれかによって,いくつかの種類の病気によって影響を受ける。病気を治療するための間違った化学物質の使用は,植物に影響する病原体の耐性を増加させる可能性があるので,植物病害を正しく診断することが重要である。植物の葉に影響する病気の手動診断は,診断と治療のプロセスを遅らせる。深部学習フレームワークは,病気の検出と分類に使用できる。畳込みニューラルネットワークベース(CNN)ベースのモデルをリンゴ葉病害の検出に用いた。VGG16フレームワークは多くの深層学習分類で広く使われているCNNベースアーキテクチャであり,実装が容易である。VGG16は,リンゴ葉疾患の診断および分類のためにここで使用される。フレームワークツールとKaggleノートブック,Tensorflow,およびKerasのようなモジュールを実装する。VGG16モデルをKaggleリポジトリから採取したリンゴ葉病害データセットに適用した。提案モデルは,深層学習を用いてリンゴ葉病害の分類における複雑性の低減を目的とする。提案システムはリンゴ葉病害データセットで93.3%の最良の検証精度を示した。この方法はいくつかの既存の最先端技術より優れている。各画像の処理時間は平均14秒であった。したがって,提案されたシステムは,リンゴ葉疾患分類プロセスを単純化し,病気の早期診断と治療を助けるために,農民によって使用できる。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： *学習 ,  加工時間 ,  簡素化 ,  経済成長 ,  食品 ,  農業 ,  農民 ,  細菌 ,  植物病害 ,  病原体 ,  化学物質 ,  早期診断 ,  リポジトリ
準シソーラス用語： 複雑性 ,  *深層学習 , 【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)： 深層学習 ,  リンゴ ,  葉