論文の概要: Attention-driven Active Vision for Efficient Reconstruction of Plants
and Targeted Plant Parts
- arxiv url: http://arxiv.org/abs/2206.10274v1
- Date: Tue, 21 Jun 2022 11:46:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-23 01:05:42.267169
- Title: Attention-driven Active Vision for Efficient Reconstruction of Plants
and Targeted Plant Parts
- Title（参考訳）: 植物と植物部位の効率的な再構築のための注意駆動能動視覚
- Authors: Akshay K. Burusa, Eldert J. van Henten, Gert Kootstra
- Abstract要約: 本稿では,タスク・アット・ハンドに従って,関連する植物のみを考慮した注意駆動型アクティブビジョンアルゴリズムを提案する。
本手法は, 植物全体の80%と主茎を1視点で, 葉ノードの80%を3視点で再構成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Visual reconstruction of tomato plants by a robot is extremely challenging
due to the high levels of variation and occlusion in greenhouse environments.
The paradigm of active-vision helps overcome these challenges by reasoning
about previously acquired information and systematically planning camera
viewpoints to gather novel information about the plant. However, existing
active-vision algorithms cannot perform well on targeted perception objectives,
such as the 3D reconstruction of leaf nodes, because they do not distinguish
between the plant-parts that need to be reconstructed and the rest of the
plant. In this paper, we propose an attention-driven active-vision algorithm
that considers only the relevant plant-parts according to the task-at-hand. The
proposed approach was evaluated in a simulated environment on the task of 3D
reconstruction of tomato plants at varying levels of attention, namely the
whole plant, the main stem and the leaf nodes. Compared to pre-defined and
random approaches, our approach improves the accuracy of 3D reconstruction by
9.7% and 5.3% for the whole plant, 14.2% and 7.9% for the main stem, and 25.9%
and 17.3% for the leaf nodes respectively within the first 3 viewpoints. Also,
compared to pre-defined and random approaches, our approach reconstructs 80% of
the whole plant and the main stem in 1 less viewpoint and 80% of the leaf nodes
in 3 less viewpoints. We also demonstrated that the attention-driven NBV
planner works effectively despite changes to the plant models, the amount of
occlusion, the number of candidate viewpoints and the resolutions of
reconstruction. By adding an attention mechanism to active-vision, it is
possible to efficiently reconstruct the whole plant and targeted plant parts.
We conclude that an attention mechanism for active-vision is necessary to
significantly improve the quality of perception in complex agro-food
environments.
- Abstract（参考訳）: ロボットによるトマト植物の視覚再構成は,温室環境における変異度や閉塞度が高いため,極めて困難である。
アクティブビジョンのパラダイムは、事前に取得した情報を推論し、植物に関する新しい情報を集めるためにカメラ視点を体系的に計画することで、これらの課題を克服するのに役立つ。
しかし、既存の能動画像アルゴリズムでは、葉ノードの3次元再構築などの対象の知覚目標では、再構築が必要な植物部分と他の植物部分とを区別できないため、うまく機能しない。
本稿では,関連プラント部分のみを考慮した注意駆動型アクティブビジョンアルゴリズムを提案する。
トマトの3次元再構築作業において, 植物全体, 主幹, 葉ノードなど, 様々なレベルの注意を喚起したシミュレーション環境において, 提案手法を評価した。
本手法は, 植物全体の3次元再構成精度を9.7%, 5.3%, 主幹14.2%, 7.9%, 葉ノード25.9%, 17.3%向上させた。
また, 植物全体の80%, 主茎を1つの視点で再構築し, 葉ノードの80%を3つの視点で再構成した。
また, 注意駆動型nbvプランナーは, 植物モデルの変化, 咬合量, 候補視点数, 再構築の解決度にも拘わらず効果的に機能することを示した。
能動視に注意機構を加えることで、植物全体および対象植物の部品を効率的に再構築することができる。
複合食品環境における知覚の質を著しく向上させるためには,アクティブビジョンのための注意機構が必要であると結論づけた。
関連論文リスト
- A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。
本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。
移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
論文 参考訳（メタデータ） (2024-08-11T14:57:57Z) - Plant Doctor: A hybrid machine learning and image segmentation software to quantify plant damage in video footage [0.0]
本研究では,アクセス可能なカメラで撮影した映像を用いて,街路植物の自動診断を行うAIシステムを提案する。
本システムは,都市部における病気のコントロールを支援するため,日常的に植物の健康をモニタリングすることを目的としている。
その結果, 葉の損傷診断におけるシステムの堅牢性と精度が示され, 大規模都会の植物病モニタリングにも応用できる可能性が示唆された。
論文 参考訳（メタデータ） (2024-07-03T07:11:18Z) - 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) - 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) - Gradient-based Local Next-best-view Planning for Improved Perception of Targeted Plant Nodes [0.0]
我々はこの問題をNBV計画タスクとして定式化する。
我々の定式化は、カットされる確率を最大化するために単一の目標ノードの認識精度を迅速に向上することに焦点を当てている。
本稿では, 局所勾配方向を直接推定するディファレンシャルレイサンプリングを用いた勾配型NBVプランナを提案する。
論文 参考訳（メタデータ） (2023-11-28T13:02:33Z) - Semantics-Aware Next-best-view Planning for Efficient Search and Detection of Task-relevant Plant Parts [3.9074818653555554]
トマトの収穫・脱葉を自動化するためには,作業関連部位の探索・検出が重要である。
現在のアクティブビジョンアルゴリズムは、関連する部分と無関係な植物部位を区別できない。
本稿では,意味情報を用いて関連する植物部位を識別するセマンティックス・アウェア・アクティブビジョン戦略を提案する。
論文 参考訳（メタデータ） (2023-06-16T12:22:19Z) - Practical Exposure Correction: Great Truths Are Always Simple [65.82019845544869]
我々は,効率と性能の特性を組み立てるPEC(Practical Exposure Corrector)を確立する。
観測結果から有用な情報を抽出するキーエンジンとして,露光対向関数を導入する。
我々の実験は提案したPECの優位性を十分に明らかにしている。
論文 参考訳（メタデータ） (2022-12-29T09:52:13Z) - 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) - 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) - 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) - Bottom-up mechanism and improved contract net protocol for the dynamic
task planning of heterogeneous Earth observation resources [61.75759893720484]
地球観測資源は、災害救助、被害評価、関連する領域においてますます不可欠になりつつある。
観測要求の変更や悪天候の発生、資源の失敗など、予測できない多くの要因は、スケジュールされた観測計画が実行不可能になる可能性がある。
不均質な地球観測資源の動的タスク計画を容易にするため、ボトムアップ分散協調フレームワークと改良された契約網を提案する。
論文 参考訳（メタデータ） (2020-07-13T03:51:08Z)
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。