論文の概要: Attention-driven Next-best-view Planning for Efficient Reconstruction of Plants and Targeted Plant Parts
- arxiv url: http://arxiv.org/abs/2206.10274v2
- Date: Thu, 9 May 2024 20:27:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-13 20:56:05.881109
- Title: Attention-driven Next-best-view Planning for Efficient Reconstruction of Plants and Targeted Plant Parts
- Title（参考訳）: プラント・ターゲット部品の高効率化に向けた意識型次世代開発計画
- Authors: Akshay K. Burusa, Eldert J. van Henten, Gert Kootstra,
- Abstract要約: 我々は、注意駆動型NBV計画戦略を用いて、目標知覚を改善する上での注意の役割について検討する。
本研究では,作業関連部品に注意を集中させることで,3次元再構築のスピードと精度を大幅に向上させることができることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robots in tomato greenhouses need to perceive the plant and plant parts accurately to automate monitoring, harvesting, and de-leafing tasks. Existing perception systems struggle with the high levels of occlusion in plants and often result in poor perception accuracy. One reason for this is because they use fixed cameras or predefined camera movements. Next-best-view (NBV) planning presents a alternate approach, in which the camera viewpoints are reasoned and strategically planned such that the perception accuracy is improved. However, existing NBV-planning algorithms are agnostic to the task-at-hand and give equal importance to all the plant parts. This strategy is inefficient for greenhouse tasks that require targeted perception of specific plant parts, such as the perception of leaf nodes for de-leafing. To improve targeted perception in complex greenhouse environments, NBV planning algorithms need an attention mechanism to focus on the task-relevant plant parts. In this paper, we investigated the role of attention in improving targeted perception using an attention-driven NBV planning strategy. Through simulation experiments using plants with high levels of occlusion and structural complexity, we showed that focusing attention on task-relevant plant parts can significantly improve the speed and accuracy of 3D reconstruction. Further, with real-world experiments, we showed that these benefits extend to complex greenhouse conditions with natural variation and occlusion, natural illumination, sensor noise, and uncertainty in camera poses. Our results clearly indicate that using attention-driven NBV planning in greenhouses can significantly improve the efficiency of perception and enhance the performance of robotic systems in greenhouse crop production.
- Abstract（参考訳）: トマト温室のロボットは、植物や植物を正確に知覚し、モニタリング、収穫、除葉作業を自動化する必要がある。
既存の知覚システムは、植物において高いレベルの隠蔽に悩まされ、しばしば知覚の精度が低下する。
その理由は、固定カメラを使ったり、カメラの動きを事前に定義しているからだ。
NBV(Next-best-view)計画では、カメラの視点を推論し、戦略的に計画し、認識精度を向上するアプローチが提案されている。
しかし、既存のNBV計画アルゴリズムはタスク・アット・ハンドとは無関係であり、全ての植物に等しく重要である。
この戦略は、葉ノードの認識など特定の植物部位を標的とする認識を必要とする温室効果の高いタスクでは非効率である。
複雑な温室環境における目標認識を改善するため、NBV計画アルゴリズムは、タスク関連植物部品に焦点を合わせるための注意機構が必要である。
本稿では,注意駆動型NBV計画手法を用いて,目標知覚を改善する上での注意の役割について検討した。
高い閉塞度と構造的複雑さを有する植物を用いたシミュレーション実験により,課題関連植物部品への注意が3次元再構成の速度と精度を著しく向上させることを示した。
さらに、実世界の実験により、これらの利点は、自然変動や閉塞、自然照明、センサノイズ、カメラポーズの不確実性といった複雑な温室環境にまで及んでいることを示した。
その結果, 温室における注意駆動型NBVプランニングは, 温室作物生産におけるロボットシステムの認識効率を著しく向上し, 性能を向上させることが示唆された。
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。