論文の概要: Grapevine Winter Pruning Automation: On Potential Pruning Points
Detection through 2D Plant Modeling using Grapevine Segmentation
- arxiv url: http://arxiv.org/abs/2106.04208v1
- Date: Tue, 8 Jun 2021 09:36:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-10 04:54:24.554490
- Title: Grapevine Winter Pruning Automation: On Potential Pruning Points
Detection through 2D Plant Modeling using Grapevine Segmentation
- Title（参考訳）: Grapevine Winter Pruning Automation:Grapevine Segmentation を用いた2次元プラントモデリングによる潜在的Pruning Points検出について
- Authors: Miguel Fernandes, Antonello Scaldaferri, Giuseppe Fiameni, Tao Teng,
Matteo Gatti, Stefano Poni, Claudio Semini, Darwin Caldwell, Fei Chen
- Abstract要約: グラペビンの冬刈りは複雑な作業であり、熟練した労働者が正しく実行する必要がある。
この操作が完了するのに約80～120時間かかることを考えると、自動化システムはプロセスのスピードアップに役立つ。
本稿では,この課題に対処するために,ブドウのイメージにオブジェクトセグメンテーションを施すことにより,新たな学際的アプローチを提案する。
- 参考スコア（独自算出の注目度）: 5.534990769313024
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Grapevine winter pruning is a complex task, that requires skilled workers to
execute it correctly. The complexity of this task is also the reason why it is
time consuming. Considering that this operation takes about 80-120 hours/ha to
be completed, and therefore is even more crucial in large-size vineyards, an
automated system can help to speed up the process. To this end, this paper
presents a novel multidisciplinary approach that tackles this challenging task
by performing object segmentation on grapevine images, used to create a
representative model of the grapevine plants. Second, a set of potential
pruning points is generated from this plant representation. We will describe
(a) a methodology for data acquisition and annotation, (b) a neural network
fine-tuning for grapevine segmentation, (c) an image processing based method
for creating the representative model of grapevines, starting from the inferred
segmentation and (d) potential pruning points detection and localization, based
on the plant model which is a simplification of the grapevine structure. With
this approach, we are able to identify a significant set of potential pruning
points on the canes, that can be used, with further selection, to derive the
final set of the real pruning points.
- Abstract（参考訳）: グラペビンの冬刈りは複雑な作業であり、熟練した労働者が正しく実行する必要がある。
このタスクの複雑さは、時間がかかる理由でもある。
この操作が完了するのに約80～120時間かかることを考えると、大規模なブドウ園ではさらに重要であり、自動化システムはプロセスのスピードアップに役立つ。
そこで本稿では,ブドウ植物の代表的モデルを作成するために,ブドウ画像にオブジェクトセグメンテーションを行うことにより,この課題に取り組むための新しい多分野的手法を提案する。
第2に、この植物表現から潜在的な刈り取り点のセットを生成する。
a)データ取得とアノテーションのための方法論、(b)ブドウのセグメンテーションのためのニューラルネットワークの微調整、(c)推定されたセグメンテーションからブドウの代表的なモデルを作成する画像処理ベースの方法、および(d)ブドウのセグメンテーションを単純化した植物モデルに基づいて、プルーニングポイントの検出とローカライゼーションを行う可能性について述べる。
このアプローチでは、実際のプルーニングポイントの最終セットを導出するために、さらに選択することで、杖上の潜在的なプルーニングポイントのかなりのセットを特定できる。
関連論文リスト
- Creating a Segmented Pointcloud of Grapevines by Combining Multiple Viewpoints Through Visual Odometry [2.7283147662458447]
グレーペビン・ウィンター・プルーニング(Grapevine winter pruning)は、ブドウの収穫量と品質に影響を与える労働集約的かつ反復的なプロセスである。
この拡張抽象化は、プロジェクトVinumで採用されているコンピュータビジョンパイプラインを、セグメンテーションネットワークとしてSentron2を使用し、キーポイントビジュアルオドメトリーを使用して、異なる観察をインフォームドプルーニング決定に使用する単一のポイントクラウドにマージする。
論文 参考訳（メタデータ） (2024-08-29T12:04:03Z) - Classification of grapevine varieties using UAV hyperspectral imaging [0.0]
ブドウ品種の分類は、精密ブドウ栽培において関連する表現型課題である。
無人航空機(UAV)は、ハイパースペクトルデータの収集に対して、より効率的で禁止的でないアプローチを提供する。
本研究では,17種類の赤と白のブドウ品種を分類するために,畳み込みニューラルネットワーク(CNN)を提案する。
論文 参考訳（メタデータ） (2024-01-23T15:35:50Z) - 3D Skeletonization of Complex Grapevines for Robotic Pruning [5.171090309853362]
本研究の目的は,植物骨格化技術の拡張により,高密度で複雑なブドウの栽培に必要なロボット認識能力を向上することである。
本研究では, 3次元および骨格情報を用いて, 刈り取り位置選択に影響を及ぼす重要なブドウの定量値として, 刈り込み重量の予測精度が先行作業を超えていることを示す。
論文 参考訳（メタデータ） (2023-07-21T17:02:55Z) - Voting from Nearest Tasks: Meta-Vote Pruning of Pre-trained Models for
Downstream Tasks [55.431048995662714]
我々は、類似タスクの刈り取られたモデルから、新しいタスクのための小さなモデルを作成する。
このモデルに関するいくつかの微調整ステップは、新しいタスクに対して有望なプルーンドモデルを生成するのに十分であることを示す。
我々は, 単純だが効果的な'Meta-Vote Pruning (MVP)' 手法を開発した。
論文 参考訳（メタデータ） (2023-01-27T06:49:47Z) - 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) - Iterative Scene Graph Generation [55.893695946885174]
シーングラフ生成は、オブジェクトエンティティとその対応する相互作用述語を所定の画像(またはビデオ)で識別する。
シーングラフ生成への既存のアプローチは、推定イテレーションの実現を可能にするために、関節分布の特定の因子化を前提としている。
本稿では,この制限に対処する新しいフレームワークを提案するとともに,画像に動的条件付けを導入する。
論文 参考訳（メタデータ） (2022-07-27T10:37:29Z) - A Deep Learning Generative Model Approach for Image Synthesis of Plant
Leaves [62.997667081978825]
我々は,高度深層学習(DL)技術を用いて,人工葉画像の自動生成を行う。
我々は、現代の作物管理のためのAIアプリケーションのためのトレーニングサンプルのソースを処分することを目指している。
論文 参考訳（メタデータ） (2021-11-05T10:53:35Z) - Towards Precise Pruning Points Detection using Semantic-Instance-Aware
Plant Models for Grapevine Winter Pruning Automation [5.356754495353063]
a)ブドウのセグメンテーションのための新しい専門家アノテートデータセットと(b)最先端のニューラルネットワーク実装の現状について説明する。
我々は、ウシの冬刈りの正しい自動化に向けて、杖に一組の刈り取りポイントを作れます。
論文 参考訳（メタデータ） (2021-09-15T12:32:05Z) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳（メタデータ） (2020-05-18T21:57:47Z)
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。