文献

J-GLOBAL ID：202202290663529462   整理番号：22A0552253

トマト葉画像上の細菌,ウイルスおよび真菌病のハイブリッド畳込みニューラルネットワークベース分類【JST・京大機械翻訳】

Hybrid convolutional neural network based classification of bacterial, viral, and fungal diseases on tomato leaf images

著者 (2件)： Cengil Emine (Department of Computer Engineering, Faculty of Engineering, Firat University, Elazig, Turkey) ,  Cinar Ahmet (Department of Computer Engineering, Faculty of Engineering, Firat University, Elazig, Turkey)
資料名： Concurrency and Computation: Practice & Experience  (Concurrency and Computation: Practice & Experience)
巻： 34  号： 4  ページ： e6617  発行年： 2022年 
JST資料番号： W2542A  ISSN： 1532-0626  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： トマトは,環境および気候因子に依存して,栽培過程のあらゆる段階で多くの病気を得ることができる。トマトの成長者は,これらの病気を検出するために,葉を時々監視する。結果として,病気を検出するための深層学習ベースシステムを開発した。それは,分類を含むさまざまな分野における問題を解決することによってその価値を実証した。畳込みニューラルネットワーク(CNN)は,画像分類,認識,および検出において特に有効である。本論文では,トマト葉画像上の病気の分類のためのハイブリッドベースのCNNモデルを提案した。トマト葉病害検出データセットと台湾データセットにより,この方法の性能を調べた。特徴の抽出のために,AlexNet,ResNet50,およびVGG16のようなよく知られたCNNアーキテクチャを最初に使用した。特徴転送法は,アーキテクチャの最後の完全接続層から特徴を抽出する。その後,最小冗長性最大関連性特徴選択アルゴリズムを,最適化のためにこれらの特徴に適用した。収集した特徴を連結する。連結特徴を一般的な機械学習分類アルゴリズムによって分類した。提案方法で,トマト葉病害検出と台湾データセットの最高性能値は,それぞれ98.3%と96.3%の精度を示した。Copyright 2022 Wiley Publishing Japan K.K. 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 ,  冗長性 ,  *ニューラルネットワーク ,  *細菌 ,  *トマト ,  *画像 ,  栽培 ,  特徴選択 ,  計算機アーキテクチャ ,  機械学習
準シソーラス用語： 画像分類 ,  分類アルゴリズム ,  深層学習 ,  病害 ,  *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)： CNN ,  機械学習アルゴリズム ,  mRMR ,  トマト葉病分類

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： トマト ,  葉 ,  細菌 ,  ウイルス ,  真菌病 ,  畳込みニューラルネットワーク ,  分類