論文の概要: A Support Vector Model of Pruning Trees Evaluation Based on OTSU
Algorithm
- arxiv url: http://arxiv.org/abs/2207.03638v1
- Date: Fri, 8 Jul 2022 01:24:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-14 11:19:00.723120
- Title: A Support Vector Model of Pruning Trees Evaluation Based on OTSU
Algorithm
- Title（参考訳）: Otsuアルゴリズムに基づく伐採木評価支援ベクトルモデル
- Authors: Yuefei Chen, Xinli Zheng, Chunhua Ju and Fuguang Bao
- Abstract要約: 本稿では, 刈り取り性能を評価するために, Otsu-SVMと呼ばれる新しい刈り取り分類戦略モデルを提案する。
この実験では、広州省雄昌地区のナシの木のデータも使用されている。
我々は,オツ-SVMが80%の精度で高い性能を示し,ナシの刈り取り評価を行った。
- 参考スコア（独自算出の注目度）: 1.6402201426448004
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The tree pruning process is the key to promoting fruits' growth and improving
their productions due to effects on the photosynthesis efficiency of fruits and
nutrition transportation in branches. Currently, pruning is still highly
dependent on human labor. The workers' experience will strongly affect the
robustness of the performance of the tree pruning. Thus, it is a challenge for
workers and farmers to evaluate the pruning performance. Intended for a better
solution to the problem, this paper presents a novel pruning classification
strategy model called "OTSU-SVM" to evaluate the pruning performance based on
the shadows of branches and leaves. This model considers not only the available
illuminated area of the tree but also the uniformity of the illuminated area of
the tree. More importantly, our group implements OTSU algorithm into the model,
which highly reinforces robustness of the evaluation of this model. In
addition, the data from the pear trees in the Yuhang District, Hangzhou is also
used in the experiment. In this experiment, we prove that the OTSU-SVM has good
accuracy with 80% and high performance in the evaluation of the pruning for the
pear trees. It can provide more successful pruning if applied into the orchard.
A successful pruning can broaden the illuminated area of individual fruit, and
increase nutrition transportation from the target branch, dramatically
elevating the weights and production of the fruits.
- Abstract（参考訳）: 樹木の伐採プロセスは,果実の光合成効率や枝内の栄養輸送に影響を及ぼすため,果実の成長促進と生産改善の鍵となる。
現在、刈り取りは人間の労働に大きく依存している。
作業者の経験は、木の刈り取りの性能のロバスト性に大きく影響します。
このように、労働者や農民が刈り上げ性能を評価することは困難である。
そこで本研究では,枝と葉の影に基づく刈り出し性能を評価するため,新しい刈り出し分類戦略モデル"Otsu-SVM"を提案する。
このモデルは、利用可能な樹木の照度領域だけでなく、樹木の照度領域の均一性も考慮している。
さらに,本研究グループでは,Otsuアルゴリズムをモデルに実装し,モデル評価の堅牢性を大幅に強化する。
また, 実験では, 広州, ユハン地区のナシの木からのデータも用いられる。
本実験では,オツ-svmの精度が80%,高い性能を示し,ナシの刈り取り性能の評価を行った。
果樹園に適用すれば、よりうまく刈り取ることができる。
プルーニングの成功は、個々の果実の照明領域を広げ、標的枝からの栄養輸送を増加させ、果実の重量と生産を劇的に高めることができる。
関連論文リスト
- BranchPoseNet: Characterizing tree branching with a deep learning-based pose estimation approach [0.0]
本稿では、ポーズ推定深層学習モデルを用いて、近位レーザー走査データ中の木の輪郭を自動的に検出するパイプラインを提案する。
正確な輪郭検出は、木の成長パターン、木質に関する貴重な洞察を与え、林業価値連鎖全体にわたって木を追跡するバイオメトリックマーカーとして使われる可能性がある。
論文 参考訳（メタデータ） (2024-09-23T07:10:11Z) - Learning a Decision Tree Algorithm with Transformers [75.96920867382859]
メタ学習によってトレーニングされたトランスフォーマーベースのモデルであるMetaTreeを導入し、強力な決定木を直接生成する。
我々は、多くのデータセットに欲求決定木とグローバルに最適化された決定木の両方を適合させ、MetaTreeを訓練して、強力な一般化性能を実現する木のみを生成する。
論文 参考訳（メタデータ） (2024-02-06T07:40:53Z) - Why do Random Forests Work? Understanding Tree Ensembles as
Self-Regularizing Adaptive Smoothers [68.76846801719095]
統計学で広く普及している偏りと分散還元に対する現在の高次二分法は、木のアンサンブルを理解するには不十分である、と我々は主張する。
森林は、通常暗黙的に絡み合っている3つの異なるメカニズムによって、樹木を改良できることを示す。
論文 参考訳（メタデータ） (2024-02-02T15:36:43Z) - Yield Evaluation of Citrus Fruits based on the YoloV5 compressed by
Knowledge Distillation [5.585209836203215]
果樹栽培の分野では,果実の貯蔵・価格評価において,収穫前収穫量の算定が重要である。
そこで本研究では,キツネ属の果樹に対して,コンピュータビジョンに基づく実数と収量評価法を提案する。
実験により, 提案手法は果実を正確に数え, 収率を近似できることがわかった。
論文 参考訳（メタデータ） (2022-11-16T08:09:38Z) - Automated Identification of Tree Species by Bark Texture Classification
Using Convolutional Neural Networks [0.0]
樹木種の同定は、森林保全、病気の診断、植物生産といった森林関連業務において重要な役割を担っている。
木の一部が葉、果物、花、樹皮であるべきか、区別するために使用されるのかという議論があった。
本稿では,50種の木を分類するために,コンピュータビジョンの手法を活用することによって,ディープラーニングに基づくアプローチを提案する。
論文 参考訳（メタデータ） (2022-10-03T13:09:50Z) - Social Interpretable Tree for Pedestrian Trajectory Prediction [75.81745697967608]
本稿では,このマルチモーダル予測課題に対処するため,SIT(Social Interpretable Tree)と呼ばれる木に基づく手法を提案する。
木の根から葉までの経路は、個々の将来の軌跡を表す。
ETH-UCYとStanford Droneのデータセットによる実験結果からは,手作り木にもかかわらず,我々の手法が最先端の手法の性能に適合または超えることを示した。
論文 参考訳（メタデータ） (2022-05-26T12:18:44Z) - Sparse Training via Boosting Pruning Plasticity with Neuroregeneration [79.78184026678659]
本研究では, プラスティック性の観点から, 訓練を通しての刈り込みの効果について検討した。
ゼロコスト神経再生(GraNet)と動的スパーストレーニング(DST)変異(GraNet-ST)を併用した段階的プラニング(gradual pruning)法を考案した。
おそらく最も印象的なのは、ImageNet上のResNet-50との大きなマージンで、さまざまな密集したスパースメソッドに対するスパース・ツー・スパーストレーニングのパフォーマンスを初めて向上させたことだ。
論文 参考訳（メタデータ） (2021-06-19T02:09:25Z) - Approach for modeling single branches of meadow orchard trees with 3D
point clouds [0.0]
果樹園の栽培は生物多様性に有益であり、集中栽培された果樹園よりも著しく高い。
本研究の目的は,牧草地内の独立樹の採集点を自動的に決定する木モデルを作ることである。
論文 参考訳（メタデータ） (2021-04-12T08:25:27Z) - A procedure for automated tree pruning suggestion using LiDAR scans of
fruit trees [0.0]
果樹栽培において、刈り込みは過密化を防ぎ、光への天蓋のアクセスを改善し、再成長を促進するための重要な管理手法である。
本稿では,LiDARをスキャンした市販果樹の採種戦略を採点関数を用いて提案する枠組みを提案する。
光の分布は25.15%向上し、実木での商業的な刈り取りよりも16%向上した。
論文 参考訳（メタデータ） (2021-02-07T02:18:56Z) - Rectified Decision Trees: Exploring the Landscape of Interpretable and
Effective Machine Learning [66.01622034708319]
我々は,reDT(rerectified decision tree)と呼ばれる知識蒸留に基づく決定木拡張を提案する。
我々は,ソフトラベルを用いたトレーニングを可能にする標準決定木の分割基準と終了条件を拡張した。
次に,教師モデルから抽出したソフトラベルに基づいて,新しいジャックニフェ法を用いてReDTを訓練する。
論文 参考訳（メタデータ） (2020-08-21T10:45:25Z) - MurTree: Optimal Classification Trees via Dynamic Programming and Search [61.817059565926336]
動的プログラミングと探索に基づいて最適な分類木を学習するための新しいアルゴリズムを提案する。
当社のアプローチでは,最先端技術が必要とする時間のごく一部しか使用せず,数万のインスタンスでデータセットを処理することが可能です。
論文 参考訳（メタデータ） (2020-07-24T17:06:55Z)
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。