論文の概要: Computer Vision for Volunteer Cotton Detection in a Corn Field with UAS
Remote Sensing Imagery and Spot Spray Applications
- arxiv url: http://arxiv.org/abs/2207.07334v1
- Date: Fri, 15 Jul 2022 08:13:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-18 14:38:08.141441
- Title: Computer Vision for Volunteer Cotton Detection in a Corn Field with UAS
Remote Sensing Imagery and Spot Spray Applications
- Title（参考訳）: UASリモートセンシング画像とスポットスプレーを用いたトウモロコシ畑におけるボランティアコットン検出のためのコンピュータビジョン
- Authors: Pappu Kumar Yadav, J. Alex Thomasson, Stephen W. Searcy, Robert G.
Hardin, Ulisses Braga-Neto, Sorin C. Popescu, Daniel E. Martin, Roberto
Rodriguez, Karem Meza, Juan Enciso, Jorge Solorzano Diaz, Tianyi Wang
- Abstract要約: 綿花畑におけるイノシシ (Anthonomus grandis L.) 害虫の再寄生を抑えるため, 現在, ボランティア・綿花検出の実践は, 畑の端で手動のフィールド・スカウトを伴っている。
タッセリング(VT)成長期に成長するVC植物の検出と位置決定のために, YOLOv5mをラジオメトリックおよびガンマ補正低分解能(1.2メガピクセル)マルチスペクトル画像に適用した。
- 参考スコア（独自算出の注目度）: 5.293431074053198
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To control boll weevil (Anthonomus grandis L.) pest re-infestation in cotton
fields, the current practices of volunteer cotton (VC) (Gossypium hirsutum L.)
plant detection in fields of rotation crops like corn (Zea mays L.) and sorghum
(Sorghum bicolor L.) involve manual field scouting at the edges of fields. This
leads to many VC plants growing in the middle of fields remain undetected that
continue to grow side by side along with corn and sorghum. When they reach
pinhead squaring stage (5-6 leaves), they can serve as hosts for the boll
weevil pests. Therefore, it is required to detect, locate and then precisely
spot-spray them with chemicals. In this paper, we present the application of
YOLOv5m on radiometrically and gamma-corrected low resolution (1.2 Megapixel)
multispectral imagery for detecting and locating VC plants growing in the
middle of tasseling (VT) growth stage of cornfield. Our results show that VC
plants can be detected with a mean average precision (mAP) of 79% and
classification accuracy of 78% on images of size 1207 x 923 pixels at an
average inference speed of nearly 47 frames per second (FPS) on NVIDIA Tesla
P100 GPU-16GB and 0.4 FPS on NVIDIA Jetson TX2 GPU. We also demonstrate the
application of a customized unmanned aircraft systems (UAS) for spot-spray
applications based on the developed computer vision (CV) algorithm and how it
can be used for near real-time detection and mitigation of VC plants growing in
corn fields for efficient management of the boll weevil pests.
- Abstract（参考訳）: 綿花畑におけるゾウ (Anthonomus grandis L.) の害虫の再寄生を抑えるため, トウモロコシ (Zea mays L.) やソルガム (Sorghum bicolor L.) などのローテーション作物の畑におけるボランティア綿 (VC) の植物検出は, 畑の縁で手動のフィールドスカウトを行う。
これにより、畑の真ん中で成長する多くのVC植物は検出されず、トウモロコシやソルガムと並んで成長し続ける。
羽ばたきのステージ(5-6葉)に到達すると、ウズラ害虫の宿主として機能する。
そのため、化学薬品でそれらを検出、発見、正確にスポットスプレーする必要がある。
本稿では, タッセリング(VT)成長段階において成長するVC植物を検出, 位置推定するために, YOLOv5mをラジオメトリックおよびガンマ補正低分解能(1.2メガピクセル)マルチスペクトル画像に適用する。
その結果, NVIDIA Tesla P100 GPU-16GB, NVIDIA Jetson TX2 GPUで0.4 FPS, NVIDIA Tesla P100 GPU-16GBで約47フレーム/秒(FPS)で, 平均mAPの79%, 画像サイズ1207×923ピクセルの分類精度78%でVCプラントを検出することができた。
また,先進的コンピュータビジョン (cv) アルゴリズムに基づくスポットスプレーアプリケーションにカスタマイズされた無人航空機システム (uas) を応用し, トウモロコシ畑で生育するvcプラントのリアルタイム検出と軽減に利用し, 病原菌の効率的な管理に有用であることを示す。
関連論文リスト
- PlantCamo: Plant Camouflage Detection [60.685139083469956]
本稿では,植物カモフラージュ検出(PCD)の課題を紹介する。
この問題に対処するため,カモフラージュ植物を用いた1,250枚の画像からなるPlantCamoデータセットを導入した。
提案したデータセット上で20以上の最先端CODモデルを用いて大規模なベンチマーク研究を行う。
マルチスケールのグローバル機能拡張と改良により,PCNetはパフォーマンスを上回りました。
論文 参考訳（メタデータ） (2024-10-23T06:51:59Z) - A New Dataset and Comparative Study for Aphid Cluster Detection and Segmentation in Sorghum Fields [9.735484847744416]
アフィドの感染は小麦やソルガムの畑に大きな被害をもたらす主要な原因の1つである。
農家はしばしば、健康と環境に悪影響を及ぼす有害な農薬を非効率に利用する。
我々は,アフィドクラスタの検出とセグメンテーションのための大規模なマルチスケールデータセットを開発した。
論文 参考訳（メタデータ） (2024-05-07T13:27:58Z) - HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using
Harvest Piles and Remote Sensing [50.4506590177605]
HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。
本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。
本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
論文 参考訳（メタデータ） (2023-08-23T11:03:28Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - Site-specific weed management in corn using UAS imagery analysis and
computer vision techniques [0.0]
現在、畑の雑草分布情報を考慮せずに商業トウモロコシ生産における雑草制御を行っている。
本研究の目的は,(1)無人航空システム(UAS)を用いてトウモロコシ畑における雑草の空間分布情報をマッピングし,地域特異的雑草制御(SSWC)を行うことである。
SSWCのアプローチにより、既存の方法と比較して、土地の26.23%(1.97エーカー)が化学除草剤で噴霧されるのを防ぐことができた。
論文 参考訳（メタデータ） (2022-12-31T21:48:14Z) - Assessing The Performance of YOLOv5 Algorithm for Detecting Volunteer
Cotton Plants in Corn Fields at Three Different Growth Stages [5.293431074053198]
テキサス・ボール・ウィービル根絶プログラム (TBWEP) では、道路や畑に自作作物が生えているVCの植物を発見・排除するために人々が雇用している。
本稿では, トウモロコシ畑の中央に生育するVCプラントを検出するために, You Only Look Once Version 5 (YOLOv5) に基づくコンピュータビジョン (CV) アルゴリズムの応用を実証する。
論文 参考訳（メタデータ） (2022-07-31T21:03:40Z) - Detecting Volunteer Cotton Plants in a Corn Field with Deep Learning on
UAV Remote-Sensing Imagery [5.293431074053198]
綿花のウズラは1800年代後半にメキシコからアメリカ合衆国に入って以来、160億米ドル以上の損害を被った。
トウモロコシのような季節間作物の畑で生育するボランティア綿(VC)植物は、これらの害虫の宿主として機能する。
本稿では,無人航空機 (UAS) で収集した3種類の航空機画像から, YOLOv3 を用いてトウモロコシ畑のVC植物を検出する方法を提案する。
論文 参考訳（メタデータ） (2022-07-14T05:59:54Z) - Deep-CNN based Robotic Multi-Class Under-Canopy Weed Control in
Precision Farming [2.6085535710135654]
リアルタイム多クラス雑草識別は雑草の種特異的な処理を可能にし、除草剤の使用量を著しく減少させる。
本稿では,5つのベンチマークCNNモデルを用いた分類性能のベースラインを提案する。
我々はMobileNetV2を、リアルタイム雑草検出のためのコンパクトな自律ロボットTextitSAMBotにデプロイする。
論文 参考訳（メタデータ） (2021-12-28T03:51:55Z) - A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。
提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文 参考訳（メタデータ） (2021-11-23T08:04:32Z) - 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) - A CNN Approach to Simultaneously Count Plants and Detect Plantation-Rows
from UAV Imagery [56.10033255997329]
畳み込みニューラルネットワーク(CNN)を用いた新しい深層学習手法を提案する。
高度に乾燥したプランテーション構成を考慮した植物を数えながら、同時にプランテーション・ロウを検出し、配置する。
提案手法は、異なる種類の作物のUAV画像において、植物と植物をカウントおよびジオロケートするための最先端の性能を達成した。
論文 参考訳（メタデータ） (2020-12-31T18:51:17Z)
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。