論文の概要: Autonomous Strawberry Picking Robotic System (Robofruit)

• arxiv url: http://arxiv.org/abs/2301.03947v1
• Date: Tue, 10 Jan 2023 13:02:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 16:37:19.559393
• Title: Autonomous Strawberry Picking Robotic System (Robofruit)
• Title（参考訳）: 自律的イチゴ収穫ロボットシステム(robofruit)
• Authors: Soran Parsa, Bappaditya Debnath, Muhammad Arshad Khan, Amir Ghalamzan E.
• Abstract要約: 我々は,イチゴを様々な特徴で収穫できる新システムを開発した。 この機能は、高密度クラスタなど、非常に複雑なピックシナリオを扱うことを可能にする。 さらに,イチゴをローカライズし,そのキーポイント,ピックポイントを検出し,熟度を決定する新しい認識システムを開発した。
• 参考スコア（独自算出の注目度）: 1.290382979353427
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Challenges in strawberry picking made selective harvesting robotic technology demanding. However, selective harvesting of strawberries is complicated forming a few scientific research questions. Most available solutions only deal with a specific picking scenario, e.g., picking only a single variety of fruit in isolation. Nonetheless, most economically viable (e.g. high-yielding and/or disease-resistant) varieties of strawberry are grown in dense clusters. The current perception technology in such use cases is inefficient. In this work, we developed a novel system capable of harvesting strawberries with several unique features. The features allow the system to deal with very complex picking scenarios, e.g. dense clusters. Our concept of a modular system makes our system reconfigurable to adapt to different picking scenarios. We designed, manufactured, and tested a picking head with 2.5 DOF (2 independent mechanisms and 1 dependent cutting system) capable of removing possible occlusions and harvesting targeted strawberries without contacting fruit flesh to avoid damage and bruising. In addition, we developed a novel perception system to localise strawberries and detect their key points, picking points, and determine their ripeness. For this purpose, we introduced two new datasets. Finally, we tested the system in a commercial strawberry growing field and our research farm with three different strawberry varieties. The results show the effectiveness and reliability of the proposed system. The designed picking head was able to remove occlusions and harvest strawberries effectively. The perception system was able to detect and determine the ripeness of strawberries with 95% accuracy. In total, the system was able to harvest 87% of all detected strawberries with a success rate of 83% for all pluckable fruits. We also discuss a series of open research questions in the discussion section.
• Abstract（参考訳）: イチゴの摘みの課題は、選択的な収穫ロボット技術を必要とした。 しかし、イチゴの選択的収穫は、いくつかの科学的研究課題を形成する複雑である。 ほとんどの利用可能なソリューションは、特定のピッキングシナリオ(例えば、単一の種類の果物を単独で摘み取るなど)にのみ対処する。 それでも、ほとんどの経済的に実現可能なイチゴ(例えば、高収率や耐病性)品種は密集したクラスターで栽培されている。 このようなユースケースにおける現在の知覚技術は非効率である。 そこで本研究では,イチゴを収穫できる新システムを開発した。 この機能により、システムは非常に複雑な選択シナリオ、例えば、密集したクラスタを扱うことができる。 モジュラーシステムの概念は、システムを異なるピックシナリオに適応するように再構成可能にする。 果実果肉に接触することなく, 除去可能なオクルージョンを除去し, イチゴを収穫し, 損傷や傷を回避できる2.5DOF(独立機構と1依存切削システム)を設計, 製造, 試験した。 また,イチゴをローカライズし,そのキーポイント,ピッキングポイントを検知し,熟度を判定する新しい知覚システムを開発した。 この目的で、2つの新しいデータセットを導入しました。 最後に,市販のイチゴ栽培場と3種類のイチゴ品種を用いた研究農場で試験を行った。 その結果,提案システムの有効性と信頼性が示された。 設計したピッキングヘッドは、閉塞を除去し、イチゴを効果的に収穫することができた。 知覚システムはイチゴの熟度を95%の精度で検出・判定することができた。 このシステムでは、検出されたイチゴの87%を収穫し、すべての包装可能な果実の83%の成功率を得た。 議論セクションでは、オープンリサーチの一連の質問についても論じる。

関連論文リスト

• Towards Efficient and Intelligent Laser Weeding: Method and Dataset for Weed Stem Detection [51.65457287518379]
  本研究は,レーザー除草における雑草認識の実証的研究としては初めてである。 我々は,雑草の検出と雑草の局在を1つのエンドツーエンドシステムに統合した。 提案システムは,既存の雑草認識システムと比較して,雑草の精度を6.7%向上し,エネルギーコストを32.3%削減する。
  論文  参考訳（メタデータ） (2025-02-10T08:42:46Z)
• Foundation Model-Based Apple Ripeness and Size Estimation for Selective Harvesting [8.944833667187913]
  本研究では,効率的なリンゴ熟度とサイズ推定のための基礎モデルに基づく新しいフレームワークを提案する。 我々は,RGBDをベースとしたFuji apple画像データセット2枚をキュレートし,果実の色とイメージキャプチャの日付に基づいて熟成のための拡張アノテーション("Ripe" vs. "Unripe")を統合した。 その結果得られた包括的データセットであるFuji-Ripeness-Sizeデータセットには、4,027の画像と16,257個のアノテートされたリンゴの熟度とサイズラベルが含まれている。
  論文  参考訳（メタデータ） (2025-02-03T21:55:02Z)
• 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)
• Robotic Grasping of Harvested Tomato Trusses Using Vision and Online Learning [0.0]
  本研究では, 雑草を多く含む木枠に積み重ねたトラスを把握し, 収穫後の貯蔵, 輸送を行う方法を提案する。 この方法は、学習に基づく視覚システムからなり、まずクレート内の個々のトラスを識別し、茎上の適切な把握位置を決定する。 RGB-Dカメラを搭載したロボットマニピュレータを用いた実験では、山からすべてのトラスを拾うように指示されたとき、100%クリアランス率を示した。
  論文  参考訳（メタデータ） (2023-09-29T12:07:08Z)
• Improving Selective Visual Question Answering by Learning from Your Peers [74.20167944693424]
  VQA(Visual Question Answering)モデルは、間違っていた場合の回答を控えるのに苦労する可能性がある。 本稿では,複数モーダル選択関数の学習におけるLearning from Your Peers (LYP) アプローチを提案する。 提案手法では,学習データの異なるサブセットに基づいて訓練されたモデルの予測を,選択的VQAモデルの最適化のターゲットとして利用する。
  論文  参考訳（メタデータ） (2023-06-14T21:22:01Z)
• 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)
• Fruit Ripeness Classification: a Survey [59.11160990637616]
  食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。 機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。 ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
  論文  参考訳（メタデータ） (2022-12-29T19:32:20Z)
• Learning to Select Cuts for Efficient Mixed-Integer Programming [46.60355046375608]
  複数インスタンス学習の設定において,データ駆動型で一般化可能なカット選択手法であるカットランキングを提案する。 カットランキングは、大規模MIPのための産業用解決器に展開されている。 解法の平均スピードアップ比は12.42%に達し、解の精度を損なうことなく製造された。
  論文  参考訳（メタデータ） (2021-05-28T07:48:34Z)
• 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)
• Counting of Grapevine Berries in Images via Semantic Segmentation using Convolutional Neural Networks [5.826324731529213]
  本稿では、2つの異なるトレーニングシステムで動作する自動画像解析に基づく客観的フレームワークを提案する。 このフレームワークは、畳み込みニューラルネットワークを使用して、セマンティックセグメンテーションを実行することで、画像内の単一のベリーを検出する。 VSPでは94.0%,SMPHでは85.6%のベリー検出が可能であった。
  論文  参考訳（メタデータ） (2020-04-29T08:10:19Z)
• Interactive Movement Primitives: Planning to Push Occluding Pieces for Fruit Picking [3.8480262599041413]
  そこで本研究では,果実を熟すための経路計画アルゴリズムを提案する。 提案手法であるInteractive Probabilistic Movement Primitives (I-ProMP) は計算コストが高くない。 実験結果から,I-ProMPはイチゴの表皮を圧搾し,熟した状態に達することが確認された。
  論文  参考訳（メタデータ） (2020-04-27T16:30:18Z)

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。