| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Agricultura Digital. Para informações adicionais entre em contato com cnptia.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
15/02/2019 |
|
Data da última atualização: |
07/01/2020 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
BARBEDO, J. G. A. |
|
Afiliação: |
JAYME GARCIA ARNAL BARBEDO, CNPTIA. |
|
Título: |
Plant disease identification from individual lesions and spots using deep learning. |
|
Ano de publicação: |
2019 |
|
Fonte/Imprenta: |
Biosystems Engineering, v. 180, p. 96-107, Apr. 2019. |
|
DOI: |
https://doi.org/10.1016/j.biosystemseng.2019.02.002 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Deep learning is quickly becoming the standard technique for image classification. The main problem facing the automatic identification of plant diseases using this strategy is the lack of image databases capable of representing the wide variety of conditions and symptom characteristics found in practice. Data augmentation techniques decrease the impact of this problem, but those cannot reproduce most of the practical diversity. This paper explores the use of individual lesions and spots for the task, rather than considering the entire leaf. Since each region has its own characteristics, the variability of the data is increased without the need for additional images. This also allows the identification of multiple diseases affecting the same leaf. On the other hand, suitable symptom segmentation still needs to be done manually, preventing full automation. The accuracies obtained using this approach were, in average, 12% higher than those achieved using the original images. Additionally, no crop had accuracies below 75%, even when as many as 10 diseases were considered. Although the database does not cover the entire range of practical possibilities, these results indicate that, as long as enough data is available, deep learning techniques are effective for plant disease detection and recognition. |
|
Palavras-Chave: |
Classificação de doenças; Convolutional Neural Networks; Deep neural nets; Disease classification; Image classification; Image processing; Processamento de imagem; Redes neurais; Transfer learning. |
|
Thesagro: |
Doença de Planta. |
|
Thesaurus Nal: |
Image analysis; Plant diseases and disorders. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
Marc: |
LEADER 02223naa a2200277 a 4500
001 2106065
005 2020-01-07
008 2019 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1016/j.biosystemseng.2019.02.002$2DOI
100 1 $aBARBEDO, J. G. A.
245 $aPlant disease identification from individual lesions and spots using deep learning.$h[electronic resource]
260 $c2019
520 $aDeep learning is quickly becoming the standard technique for image classification. The main problem facing the automatic identification of plant diseases using this strategy is the lack of image databases capable of representing the wide variety of conditions and symptom characteristics found in practice. Data augmentation techniques decrease the impact of this problem, but those cannot reproduce most of the practical diversity. This paper explores the use of individual lesions and spots for the task, rather than considering the entire leaf. Since each region has its own characteristics, the variability of the data is increased without the need for additional images. This also allows the identification of multiple diseases affecting the same leaf. On the other hand, suitable symptom segmentation still needs to be done manually, preventing full automation. The accuracies obtained using this approach were, in average, 12% higher than those achieved using the original images. Additionally, no crop had accuracies below 75%, even when as many as 10 diseases were considered. Although the database does not cover the entire range of practical possibilities, these results indicate that, as long as enough data is available, deep learning techniques are effective for plant disease detection and recognition.
650 $aImage analysis
650 $aPlant diseases and disorders
650 $aDoença de Planta
653 $aClassificação de doenças
653 $aConvolutional Neural Networks
653 $aDeep neural nets
653 $aDisease classification
653 $aImage classification
653 $aImage processing
653 $aProcessamento de imagem
653 $aRedes neurais
653 $aTransfer learning
773 $tBiosystems Engineering$gv. 180, p. 96-107, Apr. 2019.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 19 | |
| 6. |  | CARRILHO, E. N. V. M.; GONZALES, M. H.; NOGUEIRA, A. R. de A.; NÓBREGA, J. A.; CRUZ, G. M. D. Decomposição de tecidos animais e vegetais assistida por microondas usando um único programa de aquecimento. In: ENCONTRO REGIONAL DE QUÍMICA DA SOCIEDADE BRASILEIRA DE QUÍMICA, 13.; SEMANA DA QUÍMICA, 31., 2001, Jaboticabal, SP. Anais... Jaboticabal: Instituto de Química-UNESP, 2001. p.85. QA-23.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Pecuária Sudeste. |
|    |
| 8. | | HONORATO, C. A.; ALMEIDA, L. C. de; NUNES, C. da S.; CARRILHO, E. N. V. M.; MORAES, G. Gastrointestinal transit of extruded or pelletized diets in pacu fed distinct inclusion levels of lipid and carbohydrate. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 49, n. 11, p. 829-835, nov. 2014. Título em português: Trânsito gastrintestinal de dietas extrusadas ou peletizadas em pacu alimentado com níveis distintos de inclusão de lipídios e carboidratos.| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| 10. | | FERNANDES, A. P.; CARRILHO, E N. V.; SOUZA, G. B. de; NOGUEIRA, A. R. de A.; NÓBREGA, J. A. Efeito do teor de nitrato na determinação de N total em plantas pelos métodos KJELDAHL e DUMAS. In: ENCONTRO NACIONAL DE QUÍMICA ANALÍTICA, 13.; CONGRESSO ÍBERO - AMERICANO DE QUÍMICA ANALÍTICA, 2005, Niterói, RJ. Anais... Niterói: BENQ, 2005.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Pecuária Sudeste. |
| |
| 12. | | GONZALEZ, M. H.; SILVA, F. V.; CARRILHO, E. N. V. M.; NOBREGA, J. A.; NOGUEIRA, A. R. de A. Moagem criogênica de amostras de tecido vegetal: composição química versus tamanho de partícula. In: ENCONTRO NACIONAL DE QUÍMICA ANALÍTICA, 11., 2001, Campinas, SP. Desafios da química analítica no século XXI. Anais... Campinas: ENQA, 2001. TA-3.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Pecuária Sudeste. |
| |
| 17. | | CARRILHO, E. N. V. M.; NOGUEIRA, A. R. de A.; NOBREGA, J. A.; SOUZA, G. B. de; CRUZ, G. M. D. Teores de gordura e proteína em materiais biológicos e carbono residual após decomposição assistida por microondas. In: ENCONTRO NACIONAL DE QUÍMICA ANALÍTICA, 11., 2001, Campinas, SP. Desafios da química analítica no século XXI. Anais.... Campinas: ENQA, 2001. TA-2.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Pecuária Sudeste. |
| |
| 19. | | SOUZA, G. B. de; OLIVEIRA, C. V.; CARRILHO, E. N. V. M.; NOGUEIRA, A. R. de A.; SILVA, C. S.; NÓBREGA, J. A. Elemental analysis of biological samples by ICP OES after combustion in an oxygen bomb. In: RIO SYMPOSIUM ON ATOMIC SPECTROMETRY, 17., 2002, Florianópolis, SC. Abstracts... Florianópolis: UFSC, 2002. p.140.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Pecuária Sudeste. |
| |
| Registros recuperados : 19 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
