메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
최은성 (국립순천대학교) 정세훈 (국립순천대학교) 심춘보 (국립순천대학교)
저널정보
한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제27권 제9호
발행연도
2024.9
수록면
1,108 - 1,117 (10page)
DOI
10.9717/kmms.2024.27.9.1108

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Modern agriculture leverages various smart farming technologies to manage crops efficiently, but ensuring optimal growth for each crop remains challenging. This paper proposes a novel approach that integrates an image classification model with a time series analysis model to address this issue. The proposed system uses EfficientNet to classify crop diseases and LSTM (Long Short-Term Memory) to analyze time series data to predict the progression of the disease based on its presence. The model performance was evaluated using Accuracy, Precision, Recall, and F1 Score metrics. The image classification model achieved 91% Precision, 92% Recall, 97% Accuracy, and 94% F1 Score, outperforming ResNet, DenseNet, and SENet. Additionally, the model"s reliability was verified using Grad-CAM (Gradient-weighted Class Activation Map), an XAI technique. The time series analysis model demonstrated a Recall of 88% and Precision and F1 Score of 86%. The proposed system is accessible via a web page, allowing easy access for users, and includes features for writing posts and comments to facilitate a user community. This system aims to advance smart farming technology, increase crop yields, and minimize agricultural losses, ultimately contributing to improved crop management efficiency.
#Image Classification #Time Series Data Analysis #Time Series Forecasting #Disease #XAI #EfficientNet #LSTM

목차

ABSTRACT
1. 서론
2. 관련 연구
3. 제안한 방법
4. 실험 결과 및 고찰
5. 결론
REFERENCE

참고문헌 (16)

참고문헌 신청
Korea Rural Economic Institute, Analysis of the Current Status and Success Factors of Smart Farms, 2016. google schola 3,815 Hectares of Crops Are Damaged...Apples, Dropouts, and Damage(2022), https://news.kbs.co.kr/news/pc/view/view.do?ncd=5550619 (accessed July 16, 2024). google schola M. Tan and Q.V. Le, “EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks,” Proceedings of the International Conference on Machine Learning (ICML), pp. 6105-6114, 2019. google schola S. Hochreiter and J. Schmidhuber, “Long Short-Term Memory,” Neural Computation, Vol. 9, No. 8, pp. 1735-1780, 1997. google schola K. He, X. Zhang, S. Ren, and J. Sun, “Deep Residual Learning for Image Recognition,” Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 770-778, 2016. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

SARIMAX 및 LSTM을 활용한 한반도 지역의 초미세먼지 예보 평가
이채연 ,  김동건 ,  이주용 외 5명 한국대기환경학회 학술대회논문집 2024 .10
장단기 기억 신경망(LSTM)을 활용한 인천해역 꽃게 어획량 예측과 해군작전 활용 고찰
박민규 ,  구창모 ,  변상신 Journal of the KNST 2024 .09
3D CNN-LSTM 알고리즘을 이용한 손동작 비디오 영상 분류
김민주 ,  고진환 한국산학기술학회 논문지 2024 .09
LSTM-Autoencoder를 이용한 부유식 풍력터빈 블레이드 피치 시스템의 이상징후 감지
조성필 항공우주시스템공학회지 2024 .08
리튬이온 배터리 EIS 기반 데이터 민감도 분석을 통한 최적 주파수 인자 탐지 및 LSTM 기반 SOH 추정
이재형 ,  고보명 ,  이성준 외 1명 한국자동차공학회 춘계학술대회 2024 .06

최근 본 자료

전체보기

댓글(0)

0