論文の概要: A procedure for automated tree pruning suggestion using LiDAR scans of
fruit trees
- arxiv url: http://arxiv.org/abs/2102.03700v1
- Date: Sun, 7 Feb 2021 02:18:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-09 15:27:23.304810
- Title: A procedure for automated tree pruning suggestion using LiDAR scans of
fruit trees
- Title（参考訳）: 果樹のLiDARスキャンを用いた自動樹刈りの提案法
- Authors: Fredrik Westling and James Underwood and Mitch Bryson
- Abstract要約: 果樹栽培において、刈り込みは過密化を防ぎ、光への天蓋のアクセスを改善し、再成長を促進するための重要な管理手法である。
本稿では,LiDARをスキャンした市販果樹の採種戦略を採点関数を用いて提案する枠組みを提案する。
光の分布は25.15%向上し、実木での商業的な刈り取りよりも16%向上した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In fruit tree growth, pruning is an important management practice for
preventing overcrowding, improving canopy access to light and promoting
regrowth. Due to the slow nature of agriculture, decisions in pruning are
typically made using tradition or rules of thumb rather than data-driven
analysis. Many existing algorithmic, simulation-based approaches rely on
high-fidelity digital captures or purely computer-generated fruit trees, and
are unable to provide specific results on an orchard scale. We present a
framework for suggesting pruning strategies on LiDAR-scanned commercial fruit
trees using a scoring function with a focus on improving light distribution
throughout the canopy. A scoring function to assess the quality of the tree
shape based on its light availability and size was developed for comparative
analysis between trees, and was validated against yield characteristics,
demonstrating a reasonable correlation against fruit count with an $R^2$ score
of 0.615 for avocado and 0.506 for mango. A tool was implemented for simulating
pruning by algorithmically estimating which parts of a tree point cloud would
be removed given specific cut points using structural analysis of the tree,
validated experimentally with an average F1 score of 0.78 across 144
experiments. Finally, new pruning locations were suggested and we used the
previous two stages to estimate the improvement of the tree given these
suggestions. The light distribution was improved by up to 25.15\%,
demonstrating a 16\% improvement over commercial pruning on a real tree, and
certain cut points were discovered which improved light distribution with a
smaller negative impact on tree volume. The final results suggest value in the
framework as a decision making tool for commercial growers, or as a starting
point for automated pruning since the entire process can be performed with
little human intervention.
- Abstract（参考訳）: 果樹栽培において、刈り込みは過密化を防ぎ、光への天蓋のアクセスを改善し、再成長を促進するための重要な管理手法である。
農業が遅いため、刈り取りの意思決定は通常、データ駆動分析ではなく、伝統や親指の規則を用いて行われる。
既存のアルゴリズムによるシミュレーションベースのアプローチの多くは、高忠実なデジタルキャプチャや純粋にコンピュータ生成のフルーツツリーに依存しており、果樹園のスケールで具体的な結果を提供することができない。
本論文では,キャノピー全体における光分布の改善に焦点をあてたスコアリング機能を用いて,LiDARをスキャンした市販果樹のプランニング戦略を提案する。
樹木の収量特性を比較分析するために, 樹木の光量と大きさに基づいて樹形を評価できる得点関数を開発し, 収量特性に対する妥当性を検証し, アボカドでは$r^2$スコア0.615, マンゴーでは0.506で果樹数と適度な相関を示した。
木の構造解析を用いて,木点雲のどの部分を特定の切断点から除去するかをアルゴリズムで推定し,144実験で平均0.78のF1スコアで実験的に検証した。
最後に,新しい刈り取り場所を提案し,これらの提案を考慮し,これまでの2つの段階を用いて木の改良を推定した。
光分布は25.15\%まで改善され、実樹の商業的刈り取りよりも16\%向上し、木量に対する負の影響を小さくして光分布を改善できるいくつかの切断点が発見された。
最終結果は、商業栽培者のための意思決定ツールとしてのフレームワークの価値や、プロセス全体を人間の介入で行うことができることから、自動刈り出しの出発点としての価値を示唆している。
関連論文リスト
- Can a Single Tree Outperform an Entire Forest? [5.448070998907116]
一般的な考え方は、単一の決定木は、テスト精度において古典的なランダムな森林を過小評価する。
本研究では,斜め回帰木の試験精度を大幅に向上させることで,このような考え方に挑戦する。
本手法は,木習熟を非制約最適化タスクとして再編成する。
論文 参考訳（メタデータ） (2024-11-26T00:18:18Z) - AgRegNet: A Deep Regression Network for Flower and Fruit Density Estimation, Localization, and Counting in Orchards [3.0988265713549428]
本稿では,樹木果樹冠内の花と果実の密度,数,位置を推定する,深い回帰に基づくネットワークAgRegNetを提案する。
一般的なU-NetアーキテクチャにインスパイアされたAgRegNetは、エンコーダからデコーダへのスキップ接続と、エンコーダ機能抽出器としてConvNeXt-Tを改良したU字型ネットワークである。
論文 参考訳（メタデータ） (2024-09-25T22:19:32Z) - Learning a Decision Tree Algorithm with Transformers [75.96920867382859]
メタ学習によってトレーニングされたトランスフォーマーベースのモデルであるMetaTreeを導入し、強力な決定木を直接生成する。
我々は、多くのデータセットに欲求決定木とグローバルに最適化された決定木の両方を適合させ、MetaTreeを訓練して、強力な一般化性能を実現する木のみを生成する。
論文 参考訳（メタデータ） (2024-02-06T07:40:53Z) - Why do Random Forests Work? Understanding Tree Ensembles as
Self-Regularizing Adaptive Smoothers [68.76846801719095]
統計学で広く普及している偏りと分散還元に対する現在の高次二分法は、木のアンサンブルを理解するには不十分である、と我々は主張する。
森林は、通常暗黙的に絡み合っている3つの異なるメカニズムによって、樹木を改良できることを示す。
論文 参考訳（メタデータ） (2024-02-02T15:36:43Z) - Yield Evaluation of Citrus Fruits based on the YoloV5 compressed by
Knowledge Distillation [5.585209836203215]
果樹栽培の分野では,果実の貯蔵・価格評価において,収穫前収穫量の算定が重要である。
そこで本研究では,キツネ属の果樹に対して,コンピュータビジョンに基づく実数と収量評価法を提案する。
実験により, 提案手法は果実を正確に数え, 収率を近似できることがわかった。
論文 参考訳（メタデータ） (2022-11-16T08:09:38Z) - A Support Vector Model of Pruning Trees Evaluation Based on OTSU
Algorithm [1.6402201426448004]
本稿では, 刈り取り性能を評価するために, Otsu-SVMと呼ばれる新しい刈り取り分類戦略モデルを提案する。
この実験では、広州省雄昌地区のナシの木のデータも使用されている。
我々は,オツ-SVMが80%の精度で高い性能を示し,ナシの刈り取り評価を行った。
論文 参考訳（メタデータ） (2022-07-08T01:24:51Z) - Sparse Training via Boosting Pruning Plasticity with Neuroregeneration [79.78184026678659]
本研究では, プラスティック性の観点から, 訓練を通しての刈り込みの効果について検討した。
ゼロコスト神経再生(GraNet)と動的スパーストレーニング(DST)変異(GraNet-ST)を併用した段階的プラニング(gradual pruning)法を考案した。
おそらく最も印象的なのは、ImageNet上のResNet-50との大きなマージンで、さまざまな密集したスパースメソッドに対するスパース・ツー・スパーストレーニングのパフォーマンスを初めて向上させたことだ。
論文 参考訳（メタデータ） (2021-06-19T02:09:25Z) - Approach for modeling single branches of meadow orchard trees with 3D
point clouds [0.0]
果樹園の栽培は生物多様性に有益であり、集中栽培された果樹園よりも著しく高い。
本研究の目的は,牧草地内の独立樹の採集点を自動的に決定する木モデルを作ることである。
論文 参考訳（メタデータ） (2021-04-12T08:25:27Z) - SGA: A Robust Algorithm for Partial Recovery of Tree-Structured
Graphical Models with Noisy Samples [75.32013242448151]
ノードからの観測が独立しているが非識別的に分散ノイズによって破損した場合、Ising Treeモデルの学習を検討する。
Katiyarら。
(2020) は, 正確な木構造は復元できないが, 部分木構造を復元できることを示した。
統計的に堅牢な部分木回復アルゴリズムであるSymmetrized Geometric Averaging(SGA)を提案する。
論文 参考訳（メタデータ） (2021-01-22T01:57:35Z) - Growing Deep Forests Efficiently with Soft Routing and Learned
Connectivity [79.83903179393164]
この論文は、いくつかの重要な側面で深い森林のアイデアをさらに拡張します。
我々は、ノードがハードバイナリ決定ではなく、確率的ルーティング決定、すなわちソフトルーティングを行う確率的ツリーを採用する。
MNISTデータセットの実験は、私たちの力のある深部森林が[1]、[3]よりも優れたまたは匹敵するパフォーマンスを達成できることを示しています。
論文 参考訳（メタデータ） (2020-12-29T18:05:05Z) - MurTree: Optimal Classification Trees via Dynamic Programming and Search [61.817059565926336]
動的プログラミングと探索に基づいて最適な分類木を学習するための新しいアルゴリズムを提案する。
当社のアプローチでは,最先端技術が必要とする時間のごく一部しか使用せず,数万のインスタンスでデータセットを処理することが可能です。
論文 参考訳（メタデータ） (2020-07-24T17:06:55Z)
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。