کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8054616 1519489 2018 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Factors influencing the use of deep learning for plant disease recognition
ترجمه فارسی عنوان
عوامل موثر بر استفاده از یادگیری عمیق برای شناسایی بیماری های گیاهی
کلمات کلیدی
پردازش تصویر، شبکه های عمیق عصبی، انتقال یادگیری، پایگاه داده تصویر، طبقه بندی بیماری،
ترجمه چکیده
آموزش عمیق به سرعت تبدیل به یکی از مهمترین ابزارهای طبقه بندی تصویر می شود. این تکنولوژی در حال حاضر به وظایف طبقه بندی و شناسایی بیماری های گیاهی اعمال می شود. نتایج مثبتی که با استفاده از این روش به دست می آید، برخی از مسائل را حل می کند که در آزمایش های مربوطه به ندرت مورد توجه قرار می گیرد. در این مقاله، تحقیق به بررسی عوامل مؤثر بر طراحی و اثربخشی شبکه های عمیق عصبی در مورد آسیب های گیاهی پرداخته شده است. تجزیه و تحلیل جامع در مورد موضوع، که در آن مزایا و معایب برجسته، باید نتیجه گیری واقع بینانه تر در مورد موضوع شود. استدلال هایی که در متن استفاده می شود، بر اساس هر دو مطالعات موجود در ادبیات و آزمایشات انجام شده با استفاده از یک پایگاه داده تصویری ساخته شده است تا منعکس کننده و پخش بسیاری از شرایط مورد انتظار در عمل باشد. این پایگاه داده که شامل تقریبا 50،000 عکس است، به طور رایگان برای اهداف دانشگاهی در دسترس است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
پیش نمایش مقاله
عوامل موثر بر استفاده از یادگیری عمیق برای شناسایی بیماری های گیاهی
چکیده انگلیسی
Deep learning is quickly becoming one of the most important tools for image classification. This technology is now beginning to be applied to the tasks of plant disease classification and recognition. The positive results that are being obtained using this approach hide some issues that are seldom taken into account in the respective experiments. This article presents an investigation into the main factors that affect the design and effectiveness of deep neural nets applied to plant pathology. An in-depth analysis of the subject, in which advantages and shortcomings are highlighted, should lead to more realistic conclusions on the subject. The arguments used throughout the text are built upon both studies found in the literature and experiments carried out using an image database carefully built to reflect and reproduce many of the conditions expected to be found in practice. This database, which contains almost 50,000 images, is being made freely available for academic purposes.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Biosystems Engineering - Volume 172, August 2018, Pages 84-91
نویسندگان
,