Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する実験動画

Updated: Jan 8, 2026

DNA Virus Detection System Based on RPA-CRISPR/Cas12a-SPM and Deep Learning
04:17

DNA Virus Detection System Based on RPA-CRISPR/Cas12a-SPM and Deep Learning

Published on: May 10, 2024

1.4K

ResNet-101を用いた自動グアバ病害検出

Muhammad Ahmed1, Fahad Ahmed1, Naila Sammar Naz1

  • 1School of Computer Science National College of Business Administration and Economics Lahore Pakistan.

Food science & nutrition
|December 24, 2025
PubMed
まとめ

関連する概念動画

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Design and development of a 1-bit dual-mode metasurface for sub-6 GHz wireless communication systems.

Scientific reports·2026
Same author

EMG-based hand gesture recognition using multi-scale deep residual network with SE-module.

Scientific reports·2026
Same author

Life-Threatening Delayed Myocardial Ischemia, Ventricular Arrhythmias, and SCD After PFA of AF: An Extended Case Series.

JACC. Clinical electrophysiology·2026
Same author

Intelligent financial forecasting using transformers, neuro-symbolic AI, and agent-based systems.

Scientific reports·2026
Same author

Depression and its associated factors among adult women in Bangladesh during the July 2024 revolution.

Discover mental health·2026
Same author

Convergence of multidrug resistance with biofilm formation and hypermucoviscosity in <i>Klebsiella pneumoniae</i> from tertiary-care hospitals in Northwestern Pakistan.

Antimicrobial stewardship & healthcare epidemiology : ASHE·2026

本研究は、深層学習（DL）とResNet-101を用いたAIベースの自動グアバ病害検出システムを紹介する。モデルは精度98.48%を達成し、現代農業に持続可能なソリューションを提供する。

科学分野:

  • 農業科学
  • コンピュータサイエンス
  • 人工知能

背景:

  • 農業における手動での病害同定は非効率的で時間がかかり、誤りが発生しやすい。
  • 持続可能な農業には、自動化された正確な病害検出技術が不可欠である。
  • グアバ栽培は、収量と品質に影響を与える病害同定の課題に直面している。

研究 の 目的:

  • 自動グアバ病害検出のための深層学習（DL）モデルを開発・評価すること。
  • 転移学習（TL）とResNet-101を活用して分類精度を向上させること。
  • 植物病害同定のための解釈可能で透明性の高いAIソリューションを提供すること。

主な方法:

  • 手動での特徴抽出なしに直接画像分析を行うためにResNet-101アーキテクチャを利用しました。
  • 3874枚の画像データセットにデータ拡張を適用し、4632枚のバランスの取れた画像に増やしました。
  • 正規化とリサイジングによるデータ前処理を実施し、80%をトレーニング、10%を検証、10%をテストセットに分割しました。
  • 可視化と解釈可能性のためにGradient-weighted Class Activation Mapping（Grad-CAM）を採用しました。

主要な成果:

キーワード:
ResNet‐101深層学習説明可能なAIグアバ病害検出転移学習

さらに関連する動画

Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
08:20

Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images

Published on: October 27, 2023

2.4K

関連する実験動画

Last Updated: Jan 8, 2026

DNA Virus Detection System Based on RPA-CRISPR/Cas12a-SPM and Deep Learning
04:17

DNA Virus Detection System Based on RPA-CRISPR/Cas12a-SPM and Deep Learning

Published on: May 10, 2024

1.4K
Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
08:20

Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images

Published on: October 27, 2023

2.4K
  • グアバ病害（アントラキノース、果実バエ、健康）の分類精度で98.48%という印象的な結果を達成しました。
  • モデル性能は、精度、再現率、F1スコア、特異度を含む9つの主要な指標で評価されました。
  • Grad-CAMの可視化により、モデルが関連する病変部に焦点を当てていることが確認され、透明性が確保されました。

    • 結論:

    • 深層学習とResNet-101は、自動グアバ病害検出のための非常に正確で効率的な方法を提供します。
    • 開発されたAI技術は、大規模農業および持続可能な農業実践のための実行可能でスケーラブルなソリューションです。
    • モデルの解釈可能な性質は、実際の農業現場での信頼性と適用性を高めます。