Fugu-MT 論文翻訳(概要): See as a Bee: UV Sensor for Aerial Strawberry Crop Monitoring

論文の概要: See as a Bee: UV Sensor for Aerial Strawberry Crop Monitoring

arxiv url: http://arxiv.org/abs/2210.16923v1
Date: Sun, 30 Oct 2022 18:56:24 GMT
ステータス: 処理完了
システム内更新日: 2022-11-01 18:56:57.150857
Title: See as a Bee: UV Sensor for Aerial Strawberry Crop Monitoring
Title（参考訳）: 羽ばたきを見よ:UVセンサーによる空中ストローベリー作物のモニタリング
Authors: Megan Heath, Ali Imran, David St-Onge
Abstract要約: この研究は、ハチの視覚からインスピレーションを得て、紫外線反射を花検出装置に組み込むのに適したリモートセンシングシステムを設計する。提案手法は,イチゴの花の深層学習において,特徴量の多い画像を提供する方法を示す。
参考スコア（独自算出の注目度）: 3.6979357405539672
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Precision agriculture aims to use technological tools for the agro-food sector to increase productivity, cut labor costs, and reduce the use of resources. This work takes inspiration from bees vision to design a remote sensing system tailored to incorporate UV-reflectance into a flower detector. We demonstrate how this approach can provide feature-rich images for deep learning strawberry flower detection and we apply it to a scalable, yet cost effective aerial monitoring robotic system in the field. We also compare the performance of our UV-G-B image detector with a similar work that utilizes RGB images.
Abstract（参考訳）: 精密農業は農業生産力の向上、労働コストの削減、資源利用の削減のために農作物部門のための技術ツールを使用することを目標としている。この研究は、ハチの視覚からインスピレーションを得て、紫外線反射を花検出装置に組み込むのに適したリモートセンシングシステムを設計する。筆者らは,この手法がイチゴの花の深層学習のための機能豊富なイメージをいかに提供できるかを実証し,現場におけるスケーラブルで費用対効果の高い空中監視ロボットシステムに適用する。また,RGB画像を用いたUV-G-B画像検出器の性能比較を行った。

関連論文リスト

Plantation Monitoring Using Drone Images: A Dataset and Performance Review [2.4936576553283287]
RGBカメラを搭載した小型で安価なドローンは、農地の高解像度画像を撮影することができる。既存の自動プランテーションモニタリングの方法は、主に衛星画像に基づいている。ドローン画像を用いたプランテーション型健康モニタリングシステムを提案する。
論文参考訳（メタデータ） (2025-02-12T09:21:16Z)
Bringing RGB and IR Together: Hierarchical Multi-Modal Enhancement for Robust Transmission Line Detection [67.02804741856512]
高速かつ高精度なTL検出のために,RGBとIRデータを統合したHMMEN(Hierarchical Multi-Modal Enhancement Network)を提案する。提案手法では,(1)階層的RGBおよびIR特徴写像を大まかに融合・拡張するMMEB,(2)デコーダ出力とIR特徴写像の不整合を変形可能な畳み込みを利用して補正するFAB,の2つの重要な構成要素を紹介する。
論文参考訳（メタデータ） (2025-01-25T06:21:06Z)
Agtech Framework for Cranberry-Ripening Analysis Using Vision Foundation Models [1.5728609542259502]
航空画像と地上画像を用いたクランベリー作物の熟成過程を特徴付ける枠組みを開発した。この作品はこの種の最初のものであり、クランベリーやワインブドウ、オリーブ、ブルーベリー、トウモロコシなど他の作物に将来的な影響を及ぼす。
論文参考訳（メタデータ） (2024-12-12T22:03:33Z)
Monitoring MBE substrate deoxidation via RHEED image-sequence analysis by deep learning [62.997667081978825]
本稿では,深層学習に基づくRHEED画像系列分類を用いたMBEにおけるGaAs基板脱酸化の自動監視手法を提案する。提案手法は,機能抽出のための非教師付きオートエンコーダ(AE)と,教師付き畳み込みネットワークを組み合わせたものである。
論文参考訳（メタデータ） (2022-10-07T10:01:06Z)
Fully Convolutional One-Stage 3D Object Detection on LiDAR Range Images [96.66271207089096]
FCOS-LiDARは、自律走行シーンのLiDAR点雲のための完全な1段式3Dオブジェクト検出器である。標準的な2Dコンボリューションを持つRVベースの3D検出器は、最先端のBEVベースの検出器と同等の性能を発揮することを示す。
論文参考訳（メタデータ） (2022-05-27T05:42:16Z)
High-Resolution UAV Image Generation for Sorghum Panicle Detection [23.88932181375298]
本稿では,データ拡張のためのGAN(Generative Adversarial Network)からの合成トレーニング画像を用いて,ソルガムパニックの検出とカウントの性能を向上させる手法を提案する。提案手法は,実際のUAV RGB画像の地上真実データセットを限定した画像から画像への変換GANを用いて,パニックラベルを用いた合成高解像度UAV RGB画像を生成することができる。
論文参考訳（メタデータ） (2022-05-08T20:26:56Z)
A Robust Visual Sampling Model Inspired by Receptive Field [34.61947785457023]
網膜を模倣したスパイクカメラは、スパイクを発射することでピクセル当たりの輝度の蓄積を報告できる。現在のスパイクカメラのサンプリングモデルは、量子化やノイズの影響を受けやすいため、オブジェクトのテクスチャの詳細を効果的に捉えることはできない。本研究では、受容場(RVSM)にインスパイアされた頑健なビジュアルサンプリングモデルを提案する。
論文参考訳（メタデータ） (2022-01-04T08:14:56Z)
Supervised learning for crop/weed classification based on color and texture features [0.0]
本研究では,大豆および雑草の識別における色彩と食感の特徴について検討した。無人航空機(UAV)から得られた大豆のイメージデータセットを用いて実験を行った。
論文参考訳（メタデータ） (2021-06-19T22:31:54Z)
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)
Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文参考訳（メタデータ） (2020-09-16T11:37:43Z)

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。