論文の概要: sCrop: A Internet-of-Agro-Things (IoAT) Enabled Solar Powered Smart Device for Automatic Plant Disease Prediction

• arxiv url: http://arxiv.org/abs/2005.06342v1
• Date: Sat, 9 May 2020 05:54:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-20 18:02:33.287596
• Title: sCrop: A Internet-of-Agro-Things (IoAT) Enabled Solar Powered Smart Device for Automatic Plant Disease Prediction
• Title（参考訳）: IoAT(Internet-of-Agro-Things)による植物病自動予測のためのソーラー発電スマートデバイス
• Authors: Venkanna Udutalapally and Saraju P. Mohanty and Vishal Pallagani and Vedant Khandelwal
• Abstract要約: 本稿では, 植物病自動予測の例として, インターネット・オブ・アグロ・シングス(IoAT)の新たな概念について述べる。 これは、連続的なセンシングと農業の自動化を支援する、ソーラー対応センサーノードで構成されている。 提案システムは太陽エネルギーを用いたエネルギー効率の良い電力供給方式を採用した。
• 参考スコア（独自算出の注目度）: 19.525915957304527
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Internet-of-Things (IoT) is omnipresent, ranging from home solutions to turning wheels for the fourth industrial revolution. This article presents the novel concept of Internet-of-Agro-Things (IoAT) with an example of automated plant disease prediction. It consists of solar enabled sensor nodes which help in continuous sensing and automating agriculture. The existing solutions have implemented a battery powered sensor node. On the contrary, the proposed system has adopted the use of an energy efficient way of powering using solar energy. It is observed that around 80% of the crops are attacked with microbial diseases in traditional agriculture. To prevent this, a health maintenance system is integrated with the sensor node, which captures the image of the crop and performs an analysis with the trained Convolutional Neural Network (CNN) model. The deployment of the proposed system is demonstrated in a real-time environment using a microcontroller, solar sensor nodes with a camera module, and an mobile application for the farmers visualization of the farms. The deployed prototype was deployed for two months and has achieved a robust performance by sustaining in varied weather conditions and continued to remain rust-free. The proposed deep learning framework for plant disease prediction has achieved an accuracy of 99.2% testing accuracy.
• Abstract（参考訳）: IoT(Internet-of-Things)は、ホームソリューションから、第四次産業革命のためのターンホイールまで、あらゆる面に存在します。 本稿では,植物病自動予測の例として,インターネット・オブ・アグロ・シングス(IoAT)の新たな概念を提案する。 ソーラー対応のセンサーノードからなり、農業の連続的なセンシングと自動化を支援する。 既存のソリューションでは、バッテリ駆動のセンサノードを実装している。 反対に, 提案方式では太陽エネルギーを用いたエネルギー効率の良い電力供給方式が採用されている。 従来の農業では、作物の約80%が微生物性疾患で攻撃されている。 これを防ぐため、健康維持システムは、作物の画像をキャプチャし、訓練された畳み込みニューラルネットワーク(cnn)モデルを用いて分析を行うセンサノードと統合される。 本システムの導入は,マイクロコントローラ,カメラモジュールを備えた太陽電池センサノード,農場の農業可視化のためのモバイルアプリケーションを用いて,実環境において実証されている。 配備された試作機は2ヶ月間展開され、様々な気象条件を維持しながら堅牢な性能を保ち、ラストフリーのままである。 植物病予測のための深層学習フレームワークは99.2%の精度を達成した。

関連論文リスト

• Micro-Fracture Detection in Photovoltaic Cells with Hardware-Constrained Devices and Computer Vision [0.0]
  結晶シリコンは 脆弱で 時間の経過とともに ひび割れに弱い 本研究の目的は、太陽電池パネルのセルひび割れを検知し、潜在的な故障を予測し、警告するシステムを開発することである。
  論文  参考訳（メタデータ） (2024-03-08T22:09:10Z)
• Unveiling the Invisible: Enhanced Detection and Analysis of Deteriorated Areas in Solar PV Modules Using Unsupervised Sensing Algorithms and 3D Augmented Reality [1.0310343700363547]
  本稿では,太陽光発電モジュールのホットスポットやスネールトレイルなどの異常を自動的に同定し,解析する基盤となる手法を提案する。 従来の診断法と修復法を変換することにより,効率を高めるだけでなく,PVシステムのメンテナンスコストを大幅に削減する。 我々の目指すのは、リアルタイムで自動ソーラーパネル検出にドローン技術を活用することで、PVのメンテナンスの有効性を大幅に向上させることです。
  論文  参考訳（メタデータ） (2023-07-11T09:27:00Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• CellDefectNet: A Machine-designed Attention Condenser Network for Electroluminescence-based Photovoltaic Cell Defect Inspection [67.99623869339919]
  太陽電池の視覚検査で業界が直面している大きな課題は、現在人間の検査員が手動で行っていることである。 本研究では,機械駆動設計探索により設計した高効率アテンションコンデンサネットワークであるCellDefectNetを紹介する。 発光画像を用いた太陽電池セルの多様性を示すベンチマークデータセット上で,セルデフェクトネットの有効性を実証した。
  論文  参考訳（メタデータ） (2022-04-25T16:35:19Z)
• Learning, Computing, and Trustworthiness in Intelligent IoT Environments: Performance-Energy Tradeoffs [62.91362897985057]
  Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。 本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
  論文  参考訳（メタデータ） (2021-10-04T19:41:42Z)
• Towards self-organized control: Using neural cellular automata to robustly control a cart-pole agent [62.997667081978825]
  我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。 我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
  論文  参考訳（メタデータ） (2021-06-29T10:49:42Z)
• Prediction of Solar Radiation Using Artificial Neural Network [0.0]
  本稿では,太陽放射の時間的活動を予測するアルゴリズムを提案する。 データセットは、空気の温度、時間、湿度、風速、気圧、風向き、太陽放射データで構成されている。 教師付き学習データを通じてパターンを解釈できるシステムを構築するために、2つのモデルを作成する。
  論文  参考訳（メタデータ） (2021-04-01T20:41:27Z)
• Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
  我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
  論文  参考訳（メタデータ） (2020-12-07T16:23:13Z)
• Energy Aware Deep Reinforcement Learning Scheduling for Sensors Correlated in Time and Space [62.39318039798564]
  相関情報を利用するスケジューリング機構を提案する。 提案したメカニズムは、センサが更新を送信する頻度を決定することができる。 我々は,センサの寿命を大幅に延長できることを示した。
  論文  参考訳（メタデータ） (2020-11-19T09:53:27Z)
• Short term solar energy prediction by machine learning algorithms [0.47791962198275073]
  機械学習技術の強みを利用した日次太陽エネルギー予測について報告する。 線形, 尾根, ラッソ, 決定木, ランダム森林, 人工ニューラルネットワークなどのベースライン回帰器の予測モデルを実装した。 改良された精度は,2つのグリッドサイズでランダム森林と尾根回帰器によって達成されている。
  論文  参考訳（メタデータ） (2020-10-25T17:56:03Z)
• A Proposed IoT Smart Trap using Computer Vision for Sustainable Pest Control in Coffee Culture [0.0]
  モノのインターネット(IoT)は、いくつかの領域における生活の質を改善する巨大な可能性を持つ多目的技術として登場しています。 本稿では、コンピュータビジョンを用いて興味のある昆虫を識別するIoT機能を備えたスマートトラップを提案する。 提案手法の実証が明らかになり, 主な結論は, プランテーションにおける害虫濃度に対する認識と, 農薬による従来の防除方法に対する代替害虫コントロールとしての生存性である。
  論文  参考訳（メタデータ） (2020-04-09T12:04:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。