論文の概要: DropLeaf: a precision farming smartphone application for measuring
pesticide spraying methods
- arxiv url: http://arxiv.org/abs/2009.00453v1
- Date: Mon, 31 Aug 2020 15:51:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 07:18:38.489661
- Title: DropLeaf: a precision farming smartphone application for measuring
pesticide spraying methods
- Title（参考訳）: DropLeaf:農薬散布方法計測のための精密農業用スマートフォンアプリケーション
- Authors: Bruno Brandoli, Gabriel Spadon, Travis Esau, Patrick Hennessy, Andre
C. P. L. Carvalho, Jose F. Rodrigues-Jr, and Sihem Amer-Yahia
- Abstract要約: この研究は、スマートフォンベースのモバイルアプリケーションであるDropLeaf - Spraying Meter上で機能する新しいツールを紹介し、実験的に評価する。
提案手法は画像解析に基づいており, 実・合成水感性紙上での噴霧沈着評価が成功している。
- 参考スコア（独自算出の注目度）: 14.959684400817869
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pesticide application has been heavily used in the cultivation of major
crops, contributing to the increase of crop production over the past decades.
However, their appropriate use and calibration of machines rely upon evaluation
methodologies that can precisely estimate how well the pesticides' spraying
covered the crops. A few strategies have been proposed in former works, yet
their elevated costs and low portability do not permit their wide adoption.
This work introduces and experimentally assesses a novel tool that functions
over a smartphone-based mobile application, named DropLeaf - Spraying Meter.
Tests performed using DropLeaf demonstrated that, notwithstanding its
versatility, it can estimate the pesticide spraying with high precision. Our
methodology is based on image analysis, and the assessment of spraying
deposition measures is performed successfully over real and synthetic
water-sensitive papers. The proposed tool can be extensively used by farmers
and agronomists furnished with regular smartphones, improving the utilization
of pesticides with well-being, ecological, and monetary advantages. DropLeaf
can be easily used for spray drift assessment of different methods, including
emerging UAV (Unmanned Aerial Vehicle) sprayers.
- Abstract（参考訳）: 農薬の施用は主要な作物の栽培に多用されており、この数十年で作物の生産が増加した。
しかし、機械の適切な使用と校正は、農薬の散布が作物をどの程度うまく覆っているかを正確に推定できる評価手法に依存している。
以前の研究でいくつかの戦略が提案されているが、コストの上昇とポータビリティの低さは広く採用を許さない。
この研究は、スマートフォンベースのモバイルアプリケーションであるDropLeaf - Spraying Meter上で機能する新しいツールを紹介し、実験的に評価する。
DropLeafを用いた試験では、その汎用性にかかわらず、農薬の散布を高精度に推定できることを示した。
提案手法は画像解析に基づいており, 実・合成水感性紙上での噴霧沈着評価が成功している。
提案したツールは、通常のスマートフォンを備えた農夫や農夫が広く利用でき、幸福、生態学的、金銭的利点のある農薬の利用を改善することができる。
DropLeafは、新しいUAV(Unmanned Aerial Vehicle)スプレー機など、さまざまな方法のスプレードリフト評価に簡単に使用できる。
関連論文リスト
- Automatic measurement of coverage area of water-based
pesticides-surfactant formulation on plant leaves using deep learning tools [0.0]
植物葉の水溶液中における農薬-界面活性剤製剤のデリバリを効率よく定量的に研究する方法について述べる。
深層学習モデルは、キュウリの葉に水分で濡れた領域の表面を自動的に測定するために訓練され、テストされている。
論文 参考訳（メタデータ） (2023-11-17T17:05:02Z) - On the Real-Time Semantic Segmentation of Aphid Clusters in the Wild [13.402804225093801]
アフィドの感染は小麦やソルガムの畑に大きな損傷を与え、植物ウイルスを拡散させる。
農夫はしばしば化学殺虫剤を頼りにしており、これは田畑の広い範囲で非効率に適用される。
本稿では,アフィドのクラスタ分割にリアルタイムセマンティックセマンティックセマンティクスモデルを適用することを提案する。
論文 参考訳（メタデータ） (2023-07-17T19:04:39Z) - MetaRF: Differentiable Random Forest for Reaction Yield Prediction with
a Few Trails [58.47364143304643]
本稿では,反応収率予測問題に焦点をあてる。
筆者らはまず,数発の収量予測のために特別に設計された,注意に基づく識別可能なランダム森林モデルであるMetaRFを紹介した。
数発の学習性能を改善するために,さらに次元還元に基づくサンプリング手法を導入する。
論文 参考訳（メタデータ） (2022-08-22T06:40:13Z) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳（メタデータ） (2021-06-14T21:57:40Z) - Detect caterpillar, grasshopper, aphid and simulation program for
neutralizing them by laser [0.0]
この写本は害虫駆除の新しい方法を提示する。
我々は害虫検出にニューラルネットワークを用い,その中和に強力なレーザー装置(5W)を開発した。
論文 参考訳（メタデータ） (2021-04-22T05:02:27Z) - Deep Semi-supervised Metric Learning with Dual Alignment for Cervical
Cancer Cell Detection [49.78612417406883]
子宮頸癌細胞検出のための新しい半教師付き深度測定法を提案する。
私たちのモデルは、埋め込みメトリック空間を学習し、提案レベルとプロトタイプレベルの両方でセマンティック機能の二重アライメントを行います。
本研究は,240,860個の頸部細胞画像からなる半監督型頸部がん細胞検出のための大規模データセットを初めて構築した。
論文 参考訳（メタデータ） (2021-04-07T17:11:27Z) - A Survey of Deep Learning Techniques for Weed Detection from Images [4.96981595868944]
既存の深層学習に基づく雑草検出・分類手法を検討する。
その結果,ほとんどの研究が教師あり学習手法を適用し,高い分類精度を達成した。
過去の実験は、大量のラベル付きデータが利用できる場合に既に高い精度を達成している。
論文 参考訳（メタデータ） (2021-03-02T02:02:24Z) - Unassisted Noise Reduction of Chemical Reaction Data Sets [59.127921057012564]
本稿では,データセットから化学的に間違ったエントリを除去するための,機械学習に基づく無支援アプローチを提案する。
その結果,クリーン化およびバランスの取れたデータセットでトレーニングしたモデルの予測精度が向上した。
論文 参考訳（メタデータ） (2021-02-02T09:34:34Z) - 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) - Crop and weed classification based on AutoML [2.1300809288243188]
CNNモデルは、文献に報告されている95%以上の精度で作物と雑草の分類において、すでに重要な役割を担っている。
本稿では,作物と雑草の分類に新たな目的関数を付加した自律型機械学習を適用し,精度の向上と農作物の伐採率の低下を図った。
論文 参考訳（メタデータ） (2020-10-28T02:35:17Z) - Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。
衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
論文 参考訳（メタデータ） (2020-07-07T12:44:17Z)
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。