論文の概要: Automated Crop Field Surveillance using Computer Vision
- arxiv url: http://arxiv.org/abs/2101.11217v1
- Date: Wed, 27 Jan 2021 05:58:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-01 19:37:30.564533
- Title: Automated Crop Field Surveillance using Computer Vision
- Title（参考訳）: コンピュータビジョンによる作物畑の自動監視
- Authors: Tejas Atul Khare and Anuradha C. Phadke
- Abstract要約: 本論文は,コンピュータビジョンを用いた自動作物野サーベイランスの課題に対して,簡便な解決法を提供することを目的としている。
このソリューションは、毎年破壊される作物のコストを大幅に削減し、フィールドのセキュリティを完全に自動化します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Artificial Intelligence is everywhere today. But unfortunately, Agriculture
has not been able to get that much attention from Artificial Intelligence (AI).
A lack of automation persists in the agriculture industry. For over many years,
farmers and crop field owners have been facing a problem of trespassing of wild
animals for which no feasible solution has been provided. Installing a fence or
barrier like structure is neither feasible nor efficient due to the large areas
covered by the fields. Also, if the landowner can afford to build a wall or
barrier, government policies for building walls are often very irksome. The
paper intends to give a simple intelligible solution to the problem with
Automated Crop Field Surveillance using Computer Vision. The solution will
significantly reduce the cost of crops destroyed annually and completely
automate the security of the field.
- Abstract（参考訳）: 現在、人工知能は至る所にある。
しかし残念なことに、農業は人工知能(AI)からそれほど注目されることはなかった。
自動化の欠如は農業業界では続く。
長年にわたり、農家や畑主は、有効な解決策が提供されていない野生動物を不法侵入する問題に直面してきた。
フェンスやバリアのような構造の設置は、フィールドがカバーする広い領域のため、実現可能でも効率的でもない。
また、土地所有者が壁や障壁を構築する余裕があれば、建築壁のための政府の政策はしばしば非常に厄介です。
本論文は,コンピュータビジョンを用いた自動農耕地中監視問題に対する簡易な解決法を提案することを目的としている。
このソリューションは、毎年破壊される作物のコストを大幅に削減し、畑の安全を完全に自動化する。
関連論文リスト
- AgriLLM: Harnessing Transformers for Farmer Queries [2.8592691160719554]
本研究は,農業従事者を対象とした問合せ解決の自動化におけるLarge Language Models (LLMs) の変容の可能性を探るものである。
インドで収集された現実世界のファーマークェリの膨大なデータセットのサブセットを用いて、我々の研究はタミル・ナドゥ州の約400万のクェリに焦点を当てた。
論文 参考訳（メタデータ） (2024-06-21T07:37:41Z) - Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。
AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
論文 参考訳（メタデータ） (2024-05-14T09:42:21Z) - Challenges in automatic and selective plant-clearing [0.32985979395737786]
持続可能な森林環境下では, 自動的, 選択的プラントクリーニングの課題に対処する。
このような自律システムは、安価でメンテナンスが容易でありながら、気象条件、植物の多様性、地形、雑草に対する高い堅牢性を必要とする。
特に、スペクトル画像の堅牢性の欠如について論じ、参照データベースのサイズの影響を調査し、制御されていない環境で動作しているAIシステム特有の問題について論じる。
論文 参考訳（メタデータ） (2024-04-22T09:01:14Z) - Artificial Intelligence in Sustainable Vertical Farming [0.0]
持続可能な垂直農業におけるAIの役割を包括的に探求する。
このレビューは、機械学習、コンピュータビジョン、IoT(Internet of Things)、ロボット工学を含む、AIアプリケーションの現状を合成する。
この影響は、経済的な可能性、環境への影響の低減、食料安全保障の向上など、効率の向上を超えて拡大している。
論文 参考訳（メタデータ） (2023-11-17T22:15:41Z) - Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。
本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。
我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
論文 参考訳（メタデータ） (2023-05-03T05:16:54Z) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳（メタデータ） (2023-01-08T15:02:38Z) - Proceedings of the Artificial Intelligence for Cyber Security (AICS)
Workshop at AAAI 2022 [55.573187938617636]
ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。
サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
論文 参考訳（メタデータ） (2022-02-28T18:27:41Z) - Towards technological adaptation of advanced farming through AI, IoT,
and Robotics: A Comprehensive overview [0.0]
人工知能(AI)、IoT(Internet of Things)、ロボティクスベースのデバイスと手法は、農業の新しいパラダイムと機会を生み出している。
農業ロボティクスの主な応用は、土壌の準備、植林、モニタリング、収穫、貯蔵の機能である。
論文 参考訳（メタデータ） (2022-02-21T07:47:43Z) - Everything You wanted to Know about Smart Agriculture [2.5155102296586036]
世界の人口は2050年までに20億近く増加すると予想され、食料需要の急激な増加を招いた。
人口増加のニーズを満たすためには、農業産業を近代化する必要がある。
従来の農業は、既存の技術を採用することで、効率的で持続可能で、エコフレンドリーなスマート農業に書き換えることができる。
論文 参考訳（メタデータ） (2022-01-13T00:48:36Z) - Automating Privilege Escalation with Deep Reinforcement Learning [71.87228372303453]
本研究では,エージェントの訓練に深層強化学習を用いることで,悪意あるアクターの潜在的な脅威を実証する。
本稿では,最先端の強化学習アルゴリズムを用いて,局所的な特権エスカレーションを行うエージェントを提案する。
我々のエージェントは、実際の攻撃センサーデータを生成し、侵入検知システムの訓練と評価に利用できる。
論文 参考訳（メタデータ） (2021-10-04T12:20:46Z) - More Than Privacy: Applying Differential Privacy in Key Areas of
Artificial Intelligence [62.3133247463974]
差分プライバシーは、AIのプライバシー保護以上のことができることを示す。
また、セキュリティを改善し、学習を安定させ、公正なモデルを構築し、AIの選択領域にコンポジションを課すためにも使用できる。
論文 参考訳（メタデータ） (2020-08-05T03:07:36Z)
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。