論文の概要: Towards Precise Pruning Points Detection using Semantic-Instance-Aware
Plant Models for Grapevine Winter Pruning Automation
- arxiv url: http://arxiv.org/abs/2109.07247v1
- Date: Wed, 15 Sep 2021 12:32:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-26 22:48:55.928971
- Title: Towards Precise Pruning Points Detection using Semantic-Instance-Aware
Plant Models for Grapevine Winter Pruning Automation
- Title（参考訳）: セマンティクス・インスタンス・アウェア植物モデルを用いたブドウの冬期刈り取り自動化のための精密刈り取り点検出に向けて
- Authors: Miguel Fernandes, Antonello Scaldaferri, Paolo Guadagna, Giuseppe
Fiameni, Tao Teng, Matteo Gatti, Stefano Poni, Claudio Semini, Darwin
Caldwell, Fei Chen
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 5.356754495353063
- 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 makes it time consuming. It is an
operation that requires about 80-120 hours per hectare annually, making an
automated robotic system that helps in speeding up the process a crucial tool
in large-size vineyards. We will describe (a) a novel expert annotated dataset
for grapevine segmentation, (b) a state of the art neural network
implementation and (c) generation of pruning points following agronomic rules,
leveraging the simplified structure of the plant. With this approach, we are
able to generate a set of pruning points on the canes, paving the way towards a
correct automation of grapevine winter pruning.
- 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。
複雑さは時間がかかります。
これは1ヘクタールあたり80～120時間を要するオペレーションで、大規模なブドウ畑で重要なツールとして、プロセスをスピードアップする自動化ロボットシステムを作る。
説明します
(a)ブドウのセグメンテーションのための新しい専門家注釈データセット
b)artニューラルネットワークの実装の現状と課題
(c) 作物の簡易構造を利用した農業規則による刈り取り点の生成。
このアプローチにより、我々は、ブドウの冬刈りの正しい自動化に向けて、杖に一組の刈り込みポイントを発生させることができる。
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) - 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) - Surgical fine-tuning for Grape Bunch Segmentation under Visual Domain
Shifts [6.489759672413373]
我々は、ブドウ畑の移動ロボットが収集した画像からブドウの群れを分割する難しい作業に焦点をあてる。
本稿では,特定のモデル層のみを選択的にチューニングすることで,事前学習したディープラーニングモデルを新たに収集したブドウのイメージに適応させる方法について述べる。
論文 参考訳（メタデータ） (2023-07-03T08:20:19Z) - 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) - Fruit Ripeness Classification: a Survey [59.11160990637616]
食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。
機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。
ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
論文 参考訳（メタデータ） (2022-12-29T19:32:20Z) - 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) - Deep Semantic Segmentation at the Edge for Autonomous Navigation in
Vineyard Rows [0.0]
精密農業は、農業プロセスに安価で効果的な自動化を導入することを目的としている。
提案する制御は,機械認識技術とエッジAI技術の最新技術を活用して,ブドウ畑の列内における高精度で信頼性の高いナビゲーションを実現する。
制御アルゴリズム自体によって生成されたセグメンテーションマップは、作物の状態の植物性評価のためのフィルタとして直接利用することができる。
論文 参考訳（メタデータ） (2021-07-01T18:51:58Z) - Grapevine Winter Pruning Automation: On Potential Pruning Points
Detection through 2D Plant Modeling using Grapevine Segmentation [5.534990769313024]
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。
論文 参考訳（メタデータ） (2021-06-08T09:36:54Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - Image segmentation via Cellular Automata [58.86475603234583]
我々は高解像度画像のセグメンテーションを成功させるセルオートマトンを設計し、訓練する。
私たちの最小のオートマトンは、複雑なセグメンテーションタスクを解決するために1万以下のパラメータを使用します。
論文 参考訳（メタデータ） (2020-08-11T19:04:09Z)
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。