文献

J-GLOBAL ID：202202282949763417   整理番号：22A1121637

高密度ネット-BCを用いたイネ作物における栄養素欠乏の分類【JST・京大機械翻訳】

Classification of nutrient deficiencies in rice crop using denseNet-BC

著者 (3件)： Sathyavani R. (Department of IT, Institute Of Road and Transport Technology, Erode, India) ,  JaganMohan K. (Department of IT, Annamalai University, Chidambaram, India) ,  Kalaavathi B. (Department of CSE, KSR Institute for Engineering and Technology, Tiruchengode, India)
資料名： Materials Today: Proceedings  (Materials Today: Proceedings)
巻： 56  号： P4  ページ： 1783-1789  発行年： 2022年 
JST資料番号： W3531A  ISSN： 2214-7853  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： 植物の欠乏に関連する症状は,葉にしばしば現れる傾向がある。植物の栄養不足を診断するためにしばしば用いられる葉の色と形状は,しばしば重大な問題をもたらす。同じ色と形状は,多くの根原因問題を持つ可能性がある。したがって,分類器の適切な訓練により葉のテクスチャを注意深く解析する必要がある。本論文では,データ取得のためにモノのインターネット(IoT)を利用する画像取得ベースの分類モデル,および分類のタスクのための畳込みニューラルネットワーク(CNN),すなわち,高密度Net-BCの変異体を設計した。事前分類は,特徴とその関連症状の注意深い観察に基づいて,いくつかの反復で訓練された。いくつかの反復後の分類の微調整によりシミュレーションを行った。シミュレーションの結果は,提案した方法が他の深層学習モデルよりも精度およびF測度の点で分類精度を改善することを示した。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： 測度 ,  *分類 ,  ニューラルネットワーク ,  調整 ,  栄養失調 ,  データ収集 ,  機械学習
準シソーラス用語： 画像入力 ,  分類精度 ,  微調整 ,  モノのインターネット ,  分類モデル ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 栄養素欠乏 ,  植物の葉 ,  リカレントニューラルネットワーク ,  分類

分類 (2件)： 人工知能  (JE08000Z) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： ネット ,  イネ ,  作物 ,  栄養素欠乏 ,  分類