Fugu-MT 論文翻訳(概要): In-field high throughput grapevine phenotyping with a consumer-grade depth camera

論文の概要: In-field high throughput grapevine phenotyping with a consumer-grade depth camera

arxiv url: http://arxiv.org/abs/2104.06945v1
Date: Wed, 14 Apr 2021 16:16:27 GMT
ステータス: 処理完了
システム内更新日: 2021-04-15 13:14:37.374158
Title: In-field high throughput grapevine phenotyping with a consumer-grade depth camera
Title（参考訳）: コンシューマグレード深度カメラを用いた高スループットブドウ品種表現
Authors: Annalisa Milella, Roberto Marani, Antonio Petitti, Giulio Reina
Abstract要約: 植物表現型は、成長、形態学、生理学、収量などの植物形質の定量的評価である。本研究では,カノピー容積推定と束検出とカウントを目的とした,ブドウの自動表現法を開発した。農業用車両に搭載されたコンシューマグレードの深度カメラを用いて,両測定を現場で効果的に実施できることが実証された。
参考スコア（独自算出の注目度）: 1.5541946106879052
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Plant phenotyping, that is, the quantitative assessment of plant traits including growth, morphology, physiology, and yield, is a critical aspect towards efficient and effective crop management. Currently, plant phenotyping is a manually intensive and time consuming process, which involves human operators making measurements in the field, based on visual estimates or using hand-held devices. In this work, methods for automated grapevine phenotyping are developed, aiming to canopy volume estimation and bunch detection and counting. It is demonstrated that both measurements can be effectively performed in the field using a consumer-grade depth camera mounted onboard an agricultural vehicle.
Abstract（参考訳）: 植物表現型、すなわち、生育、形態、生理、収量を含む植物形質の定量的評価は、効率的かつ効果的な作物管理のための重要な側面である。現在、植物表現型は手動で集中的かつ時間のかかるプロセスであり、視覚の推定やハンドヘルドデバイスの使用に基づいて、人間のオペレーターが現場で測定を行う。本研究では,カノピー容積推定と束検出とカウントを目的とした,ブドウの自動表現法を開発した。農業用車両に搭載されたコンシューマグレードの深度カメラを用いて,両測定を効果的に行うことができることを示した。

関連論文リスト

Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
論文参考訳（メタデータ） (2024-11-07T22:29:05Z)
Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
論文参考訳（メタデータ） (2024-03-27T08:42:47Z)
BonnBeetClouds3D: A Dataset Towards Point Cloud-based Organ-level Phenotyping of Sugar Beet Plants under Field Conditions [30.27773980916216]
農業生産は今後数十年間、気候変動と持続可能性の必要性によって深刻な課題に直面している。自律無人航空機(UAV)による作物のモニタリングと、ロボットによる非化学雑草によるフィールド管理の進歩は、これらの課題に対処するのに有用である。表現型化と呼ばれる植物形質の分析は、植物の育種に不可欠な活動であるが、大量の手作業が伴う。
論文参考訳（メタデータ） (2023-12-22T14:06:44Z)
Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
論文参考訳（メタデータ） (2022-10-24T14:37:09Z)
End-to-end deep learning for directly estimating grape yield from ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文参考訳（メタデータ） (2022-08-04T01:34:46Z)
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)
Temporal Prediction and Evaluation of Brassica Growth in the Field using Conditional Generative Adversarial Networks [1.2926587870771542]
植物の成長予測は、多種多様な環境要因によって影響を受けるため、大きな課題である。本稿では,高スループット撮像センサ測定とその自動解析を含む新しいモニタリング手法を提案する。提案手法のコアは条件付き生成型adversarial networkに基づく新しい機械学習ベースの成長モデルである。
論文参考訳（メタデータ） (2021-05-17T13:00:01Z)
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)
High-Throughput Image-Based Plant Stand Count Estimation Using Convolutional Neural Networks [23.67862313758282]
早期の表現学的段階における画像ベースコーンスタンド数に対するディープラーニングに基づくアプローチであるDeepStandを提案する。提案手法はトウモロコシの立ち位置を計測し,他の最先端の方法よりも優れる。
論文参考訳（メタデータ） (2020-10-23T17:28:29Z)
Computer Vision with Deep Learning for Plant Phenotyping in Agriculture: A Survey [25.365163119362045]
精密農業技術により、ステークホルダーは効果的でカスタマイズされた作物管理の決定を行うことができる。植物の表現型付け技術は、正確な作物モニタリングにおいて重要な役割を担っている。本調査は,植物表現学における技術研究の現状を読者に紹介することを目的としている。
論文参考訳（メタデータ） (2020-06-18T14:21:19Z)

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。