지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.9
- 수록면
- 33 - 38 (6page)
이용수
초록· 키워드
오류제보하기
Recently, transfer learning techniques with a base convolutional neural network (CNN) model have widely gained acceptance in early detection and classification of crop diseases to increase agricultural productivity with reducing disease spread. The transfer learning techniques based classifiers generally achieve over 90% of classification accuracy for crop diseases using dataset of crop leaf images (e.g., PlantVillage dataset), but they have ability to classify only the pre-trained diseases. This paper provides with an evaluation scheme on selecting an effective base CNN model for crop disease transfer learning with regard to the accuracy of trained target crops as well as of untrained target crops. First, we present transfer learning models called CDC (crop disease classification) architecture including widely used base (pre-trained) CNN models. We evaluate each performance of seven base CNN models for four untrained crops. The results of performance evaluation show that the DenseNet201 is one of the best base CNN models.
목차
등록된 정보가 없습니다.
참고문헌 (15)
참고문헌 신청
Agarwal, M. / 2020 / Development of Efficient CNN model for Tomato Crop Disease Identification / Sustainable Computing: Informatics and Systems 28:100407
Bhattarai, S. / New Plant Diseases Dataset: Image dataset containing different healthy and unhealthy crop leaves
Ferentinos, K.P. / 2018 / Deep Learning Models for Plant Disease Detection and Diagnosis / Computer Electronics Agriculture 138:311~318
Goodfellow, I. / 2015 / Deep Learning / MIT Press :118
Huang, T. / 2018 / Detecting Sugarcane Borer Diseases Using Support Vector Machine / Information Processing Agriculture 5(1):74~82
Bhattarai, S. / New Plant Diseases Dataset: Image dataset containing different healthy and unhealthy crop leaves
Ferentinos, K.P. / 2018 / Deep Learning Models for Plant Disease Detection and Diagnosis / Computer Electronics Agriculture 138:311~318
Goodfellow, I. / 2015 / Deep Learning / MIT Press :118
Huang, T. / 2018 / Detecting Sugarcane Borer Diseases Using Support Vector Machine / Information Processing Agriculture 5(1):74~82
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Deep Convolutional Neural Network(DCNN)을 이용한 계층적 농작물의 종류와 질병 분류 기법
멀티미디어학회논문지
2022 .11
-
Crop Leaf Disease Identification Using Deep Transfer Learning
JIPS(Journal of Information Processing Systems)
2024 .04
-
심층 신경망 기반의 앙상블 방식을 이용한 토마토 작물의 질병 식별
멀티미디어학회논문지
2020 .10
-
다양한 이미지 증대 기법에 따른 토마토 병충해 분류 성능 개선 연구
전기학회논문지
2021 .12
-
심층 CNN 기반 구조를 이용한 토마토 작물 병해충 분류 모델
한국산학기술학회 논문지
2021 .05
-
전이 학습 기반의 모바일 작물 질병 진단을 위한 PWA
한국산학기술학회 논문지
2022 .02
-
작목별 농작업 재해 유형 분석
대한인간공학회지
2018 .08
-
사전 학습된 Salient Object Detection 네트워크를 이용한 토마토 질병 이미지 분류
대한전자공학회 학술대회
2021 .11
-
전이학습에 방법에 따른 컨벌루션 신경망의 영상 분류 성능 비교
멀티미디어학회논문지
2018 .12
-
IoT 및 위치 추적 기술 기반의 양액 순환 방식을 활용한 작물의 최적 생장 관리 시스템에 관한 연구
멀티미디어학회논문지
2016 .11
-
딥 러닝 기반의 전이 학습을 이용한 이미지 분류에 관한 연구
한국전자통신학회 논문지
2023 .06
-
열연공정에서 딥러닝 모델을 이용한 Crop 형상 분류 기술
제어로봇시스템학회 국내학술대회 논문집
2020 .07
-
Predicting Crop Production for Agricultural Consultation Service
Journal of information and communication convergence engineering
2019 .03
-
CNN 기반의 행동 인식 및 분류 모델 개발
대한전기학회 학술대회 논문집
2020 .07
-
Comparison of Convolutional Neural Network Models for Image Super Resolution
한국방송미디어공학회 학술발표대회 논문집
2018 .06
-
CNN을 이용한 이미지 분류
Proceedings of KIIT Conference
2017 .06
-
농경지 토양의 중금속 오염원 및 농작물로의 중금속 전이·축적 평가
지하수토양환경
2018 .01
-
단계별 전이 학습 기반 신경망을 활용한 작물 병해 분류
정보 및 제어 논문집
2021 .10
-
Growth Optimization of Bacillus velezensis RS15-1 Isolated from Soil for Control of Food Crop Disease
한국생물공학회 학술대회
2021 .10
-
이미지 증대 기법을 이용한 토마토 병충해 분류
전기학회논문지
2021 .01
이 논문의 저자 정보
최근 본 자료
댓글(0)
0