論文の概要: Automated Wheat Disease Detection using a ROS-based Autonomous Guided UAV

• arxiv url: http://arxiv.org/abs/2206.15042v1
• Date: Thu, 30 Jun 2022 06:12:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-02 03:51:18.033506
• Title: Automated Wheat Disease Detection using a ROS-based Autonomous Guided UAV
• Title（参考訳）: ROSを用いた自動誘導UAVによる小麦病自動検出
• Authors: Behzad Safarijalal, Yousef Alborzi, Esmaeil Najafi
• Abstract要約: 小麦畑のモニタリング作業を自動化するために、無人航空機にスマート自律システムが実装されている。 画像に基づくディープラーニングアプローチは、病気に感染した小麦の植物を検出し分類するために用いられる。 ロボットオペレーティングシステムとガゼボ環境におけるシミュレーションを用いて,マッピングとナビゲーションシステムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the increase in world population, food resources have to be modified to be more productive, resistive, and reliable. Wheat is one of the most important food resources in the world, mainly because of the variety of wheat-based products. Wheat crops are threatened by three main types of diseases which cause large amounts of annual damage in crop yield. These diseases can be eliminated by using pesticides at the right time. While the task of manually spraying pesticides is burdensome and expensive, agricultural robotics can aid farmers by increasing the speed and decreasing the amount of chemicals. In this work, a smart autonomous system has been implemented on an unmanned aerial vehicle to automate the task of monitoring wheat fields. First, an image-based deep learning approach is used to detect and classify disease-infected wheat plants. To find the most optimal method, different approaches have been studied. Because of the lack of a public wheat-disease dataset, a custom dataset has been created and labeled. Second, an efficient mapping and navigation system is presented using a simulation in the robot operating system and Gazebo environments. A 2D simultaneous localization and mapping algorithm is used for mapping the workspace autonomously with the help of a frontier-based exploration method.
• Abstract（参考訳）: 世界の人口の増加に伴い、食料資源はより生産的で抵抗的で信頼性の高いものに修正されなければならない。 小麦は、主に小麦ベースの様々な製品のために、世界で最も重要な食品資源の1つである。 小麦の作物は3つの主要な病気によって脅かされ、毎年の収穫量に大きな被害をもたらす。 これらの疾患は、適切なタイミングで殺虫剤を使用することで取り除くことができる。 手動で殺虫剤を散布する作業は重く費用がかかるが、農業用ロボットは農夫のスピードを増し、化学物質の量を減らして助けることができる。 本研究では,小麦畑のモニタリング作業を自動化するために,無人航空機にスマート自律システムが実装されている。 まず、イメージベースのディープラーニングアプローチは、病気に感染した小麦植物の検出と分類に使用される。 最も最適な方法を見つけるために、様々なアプローチが研究されている。 パブリックな小麦生産データセットがないため、カスタムデータセットが作成およびラベル付けされている。 第2に,ロボットオペレーティングシステムとガゼボ環境のシミュレーションを用いて,効率的なマッピングとナビゲーションシステムを提案する。 2次元同時ローカライズおよびマッピングアルゴリズムは、フロンティアベースの探索手法の助けを借りて、ワークスペースを自律的にマッピングするために用いられる。

関連論文リスト

• Machine Learning Meets Advanced Robotic Manipulation [48.6221343014126]
  本論文は、最先端技術と、実世界の操作タスクに適用された機械学習手法の最近の動向についてレビューする。 論文の残りの部分は、産業、医療、農業、宇宙、軍事、捜索救助など、さまざまな分野におけるML応用に費やされている。
  論文  参考訳（メタデータ） (2023-09-22T01:06:32Z)
• Deep Learning based Tomato Disease Detection and Remedy Suggestions using Mobile Application [0.4999814847776098]
  我々は,従来の農法を実践する農家を支援するコンピュータシステムを開発し,作物病に対処する農業専門家に限定的にアクセスできるようにした。 本システムでは,人工知能(AI)を用いて野菜病の診断・治療を行う。 開発システムは、スマートフォンの基本的な知識を持つ農夫でも利用することができる。
  論文  参考訳（メタデータ） (2023-08-16T07:13:22Z)
• AMaizeD: An End to End Pipeline for Automatic Maize Disease Detection [0.0]
  AMaizeDは、ドローンから得られたマルチスペクトル画像を用いて、トウモロコシの作物の病気を早期に検出する自動化フレームワークである。 提案するフレームワークは,コンボリューションニューラルネットワーク(CNN)を特徴抽出器とセグメンテーション技術に組み合わせて,トウモロコシの植物とその関連疾患を同定する。
  論文  参考訳（メタデータ） (2023-07-23T19:58:40Z)
• Early Detection of Late Blight Tomato Disease using Histogram Oriented Gradient based Support Vector Machine [2.3210922904864955]
  本研究は,トマトの遅発性病を早期に検出するための新しいスマート技術を提案する。 提案したSVMとHOGのハイブリッドアルゴリズムは,トマトの遅発性病の早期発見に有意な可能性を秘めている。
  論文  参考訳（メタデータ） (2023-06-14T07:58:14Z)
• Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
  我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。 本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。 我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
  論文  参考訳（メタデータ） (2023-05-03T05:16:54Z)
• Farmer's Assistant: A Machine Learning Based Application for Agricultural Solutions [0.0]
  我々は、これらの問題に対処するため、オープンソースの使いやすいWebアプリケーションを作成し、作物の生産を改善するのに役立ちます。 特に,作物の推薦,肥料の推薦,植物病の予知,対話型ニューズフィードを支持している。
  論文  参考訳（メタデータ） (2022-04-24T19:31:10Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• 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)
• One-Shot Learning with Triplet Loss for Vegetation Classification Tasks [45.82374977939355]
  三重項損失関数は、ワンショット学習タスクの精度を大幅に向上できる選択肢の1つである。 2015年からは、多くのプロジェクトがシームズネットワークとこの種の損失を顔認識とオブジェクト分類に利用している。
  論文  参考訳（メタデータ） (2020-12-14T10:44:22Z)
• 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)
• Predicting rice blast disease: machine learning versus process based models [0.7130302992490972]
  稲芽病は水稲栽培において最も重要な生物的制約であり、毎年何百万ドルもの損失を生んでいる。 稲芽予測は、稲作農家が病気を抑えるための主要な手段である。 本研究は,植物病害管理を支援するためのプロセスベースおよび機械学習モデリングアプローチを初めて比較したものである。
  論文  参考訳（メタデータ） (2020-04-03T14:48:14Z)

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。