Quantifying Nematodes through Images: Datasets, Models, and Baselines of Deep Learning

要約

植物病原体の主要なグループの 1 つである植物寄生性線虫は、毎年、世界中で作物に重大な損失を引き起こしています。
線虫による作物の収量損失を軽減するには、植物や作物の病気管理に効率的な線虫モニタリング方法が不可欠です。
他の点では、線虫はモデル生物であるため、効率的な線虫検出は医学研究や創薬に貢献します。
コンピューター技術の急速な発展に伴い、コンピューター ビジョン技術は、線虫または線虫感染を定量化するための実現可能なソリューションを提供します。
この論文では、深層学習モデルによる線虫検出に関する研究と利用可能なデータセットを調査し、分類します。
関連研究の進歩を促進するために、この調査では、深層学習の初心者向けに、潜在的な最先端の物体検出モデル、トレーニング手法、最適化手法、評価指標を提示します。
さらに、7 つの最先端の物体検出モデルが 3 つの公開データセットと植物寄生線虫の AgriNema データセットで検証され、線虫検出のベースラインが構築されています。

要約(オリジナル)

Every year, plant parasitic nematodes, one of the major groups of plant pathogens, cause a significant loss of crops worldwide. To mitigate crop yield losses caused by nematodes, an efficient nematode monitoring method is essential for plant and crop disease management. In other respects, efficient nematode detection contributes to medical research and drug discovery, as nematodes are model organisms. With the rapid development of computer technology, computer vision techniques provide a feasible solution for quantifying nematodes or nematode infections. In this paper, we survey and categorise the studies and available datasets on nematode detection through deep-learning models. To stimulate progress in related research, this survey presents the potential state-of-the-art object detection models, training techniques, optimisation techniques, and evaluation metrics for deep learning beginners. Moreover, seven state-of-the-art object detection models are validated on three public datasets and the AgriNema dataset for plant parasitic nematodes to construct a baseline for nematode detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google