論文の概要: Automated Pruning of Polyculture Plants

• arxiv url: http://arxiv.org/abs/2208.10472v1
• Date: Mon, 22 Aug 2022 17:49:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-23 14:05:28.967425
• Title: Automated Pruning of Polyculture Plants
• Title（参考訳）: 多文化植物の自動栽培
• Authors: Mark Presten, Rishi Parikh, Shrey Aeron, Sandeep Mukherjee, Simeon Adebola, Satvik Sharma, Mark Theis, Walter Teitelbaum, and Ken Goldberg
• Abstract要約: ポリカルチャー農業は環境上の利点があるが、モノカルチャー農業よりもかなり多くの耕作を必要とする。 自動プルーニングのための新しいハードウェアとアルゴリズムを提案する。 結果は, 刈り取りせん断による植物多様性を0.94 に自律的に達成できることを示唆している。
• 参考スコア（独自算出の注目度）: 13.297983318693753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Polyculture farming has environmental advantages but requires substantially more pruning than monoculture farming. We present novel hardware and algorithms for automated pruning. Using an overhead camera to collect data from a physical scale garden testbed, the autonomous system utilizes a learned Plant Phenotyping convolutional neural network and a Bounding Disk Tracking algorithm to evaluate the individual plant distribution and estimate the state of the garden each day. From this garden state, AlphaGardenSim selects plants to autonomously prune. A trained neural network detects and targets specific prune points on the plant. Two custom-designed pruning tools, compatible with a FarmBot gantry system, are experimentally evaluated and execute autonomous cuts through controlled algorithms. We present results for four 60-day garden cycles. Results suggest the system can autonomously achieve 0.94 normalized plant diversity with pruning shears while maintaining an average canopy coverage of 0.84 by the end of the cycles. For code, videos, and datasets, see https://sites.google.com/berkeley.edu/pruningpolyculture.
• Abstract（参考訳）: ポリカルチャーの農業は環境に有利であるが、モノカルチャーの農業よりもかなり多くの耕作を必要とする。 自動プルーニングのための新しいハードウェアとアルゴリズムを提案する。 頭上カメラを用いて、物理的規模の庭テストベッドからデータを収集し、学習済みのPhenotyping畳み込みニューラルネットワークとBounding Disk Trackingアルゴリズムを使用して、個々の植物分布を評価し、庭の状態を毎日推定する。 この庭の状態から、AlphaGardenSimは植物を自律的に産卵する。 訓練されたニューラルネットワークは、植物上の特定のプルーンポイントを検出してターゲットとする。 FarmBotのガントリーシステムと互換性のある2つのカスタムデザインプルーニングツールを実験的に評価し、制御アルゴリズムにより自律的なカットを実行する。 我々は,60日間の園芸サイクルを4回実施した。 その結果, 平均的なキャノピー被覆率 0.84 をサイクルの終わりまでに維持しながら, 刈り込みせん断により 0.94 の正規化植物多様性を自律的に達成できることが示唆された。 コード、ビデオ、データセットについてはhttps://sites.google.com/berkeley.edu/pruningpolycultureを参照。

関連論文リスト

• Terminating Differentiable Tree Experts [77.2443883991608]
  本稿では,変圧器と表現生成器の組み合わせを用いて木操作を学習するニューラルシンボリック微分木機械を提案する。 まず、専門家の混在を導入することで、各ステップで使用される一連の異なるトランスフォーマーレイヤを取り除きます。 また,モデルが自動生成するステップ数を選択するための新しい終端アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-02T08:45:38Z)
• Panoptic Mapping with Fruit Completion and Pose Estimation for Horticultural Robots [33.21287030243106]
  植物や果実を高解像度でモニタリングすることは、農業の未来において重要な役割を担っている。 正確な3D情報は、自律収穫から正確な収量推定まで、農業における多様なロボット応用への道を開くことができる。 移動ロボットによって構築された3次元多次元マップにおいて,果実の完全な3次元形状とそのポーズを共同で推定する問題に対処する。
  論文  参考訳（メタデータ） (2023-03-15T20:41:24Z)
• 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)
• Geometry-Aware Fruit Grasping Estimation for Robotic Harvesting in Orchards [6.963582954232132]
  幾何認識ネットワークであるA3Nは、エンドツーエンドのインスタンスセグメンテーションと把握推定を行うために提案されている。 我々は,フィールド環境下での果実の認識と検索をロボットが正確に行うことができるグローバル・ローカル・スキャン・ストラテジーを実装した。 全体として、ロボットシステムは、収穫実験において70%から85%の範囲で収穫の成功率を達成する。
  論文  参考訳（メタデータ） (2021-12-08T16:17:26Z)
• Towards Optimal Strategies for Training Self-Driving Perception Models in Simulation [98.51313127382937]
  合成ドメインのみにおけるラベルの使用に焦点を当てる。 提案手法では,ニューラル不変表現の学習方法と,シミュレータからデータをサンプリングする方法に関する理論的にインスピレーションを得た視点を導入する。 マルチセンサーデータを用いた鳥眼視車両分割作業におけるアプローチについて紹介する。
  論文  参考訳（メタデータ） (2021-11-15T18:37:43Z)
• AlphaGarden: Learning to Autonomously Tend a Polyculture Garden [11.976788460415712]
  AlphaGardenは、1.5m×3.0mの物理的テストベッドに植物を植えて灌水する、自律的な多文化庭園だ。 我々は、植物の成長と植物間動態をモデル化し、葉のカバー範囲と多様性を最大化するための行動を選択する政策を訓練する。 その結果、AlphaGardenは、サイクルのピーク時に平均0.86のキャノピーカバレッジを維持しながら、刈り上げせん断によって0.96の正規化された多様性を自律的に達成できることが示唆された。
  論文  参考訳（メタデータ） (2021-11-11T01:55:54Z)
• Towards self-organized control: Using neural cellular automata to robustly control a cart-pole agent [62.997667081978825]
  我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。 我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
  論文  参考訳（メタデータ） (2021-06-29T10:49:42Z)
• 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)
• 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)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)

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。