論文の概要: Site-specific weed management in corn using UAS imagery analysis and
computer vision techniques
- arxiv url: http://arxiv.org/abs/2301.07519v1
- Date: Sat, 31 Dec 2022 21:48:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-29 14:09:01.876347
- Title: Site-specific weed management in corn using UAS imagery analysis and
computer vision techniques
- Title（参考訳）: UAS画像解析とコンピュータビジョン技術を用いたトウモロコシのサイト特異的雑草管理
- Authors: Ranjan Sapkota, John Stenger, Michael Ostlie, Paulo Flores
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Currently, weed control in commercial corn production is performed without
considering weed distribution information in the field. This kind of weed
management practice leads to excessive amounts of chemical herbicides being
applied in a given field. The objective of this study was to perform
site-specific weed control (SSWC) in a corn field by 1) using an unmanned
aerial system (UAS) to map the spatial distribution information of weeds in the
field; 2) creating a prescription map based on the weed distribution map, and
3) spraying the field using the prescription map and a commercial size sprayer.
In this study, we are proposing a Crop Row Identification (CRI) algorithm, a
computer vision algorithm that identifies corn rows on UAS imagery. After being
identified, the corn rows were then removed from the imagery and the remaining
vegetation fraction was classified as weeds. Based on that information, a
grid-based weed prescription map was created and the weed control application
was implemented through a commercial-size sprayer. The decision of spraying
herbicides on a particular grid was based on the presence of weeds in that grid
cell. All the grids that contained at least one weed were sprayed, while the
grids free of weeds were not. Using our SSWC approach, we were able to save
26.23\% of the land (1.97 acres) from being sprayed with chemical herbicides
compared to the existing method. This study presents a full workflow from UAS
image collection to field weed control implementation using a commercial-size
sprayer, and it shows that some level of savings can potentially be obtained
even in a situation with high weed infestation, which might provide an
opportunity to reduce chemical usage in corn production systems.
- Abstract（参考訳）: 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。
このような雑草管理の実践は、特定の分野に過剰な量の化学除草剤が適用されることにつながる。
本研究の目的は、トウモロコシ畑において、部位特異的雑草制御(SSWC)を行うことである。
1) 現場における雑草の空間分布情報を地図化するために無人航空システム(UAS)を用いる。
2)雑草分布マップに基づく処方地図の作成、及び
3) 基準地図と商用サイズスプレー機を用いてフィールドを噴霧する。
本研究では,UAS画像上のトウモロコシの列を識別するコンピュータビジョンアルゴリズムであるCrop Row Identification (CRI)アルゴリズムを提案する。
特定後、トウモロコシの列は画像から取り除かれ、残りの植生分画は雑草として分類された。
その情報に基づいて, グリッド型雑草処方マップを作成し, 商業用散布機を用いて雑草管理アプリケーションを実装した。
除草剤を特定のグリッドに噴霧する決定は、そのグリッドセルに雑草が存在することに基づく。
少なくとも1つの雑草を含むグリッドは散布されたが、雑草のないグリッドは散布されなかった。
sswcのアプローチにより、既存の方法に比べて26.23\%の土地(1.97エーカー)に化学除草剤を散布することを防いだ。
本研究は,UAS画像収集から,市販の散布機を用いた雑草防除実装までの全ワークフローを概説し,高い雑草感染状況下でもある程度の省エネが可能であり,トウモロコシ生産システムにおける化学利用削減の機会となる可能性があることを示す。
関連論文リスト
- Remote Sensing for Weed Detection and Control [0.0]
ライグラスは収量と穀物の品質を大幅に低下させる可能性がある。
コストと環境への影響を制御するため、ドローンや衛星画像の雑草を検出する。
論文 参考訳（メタデータ） (2024-10-29T21:41:42Z) - Leafy Spurge Dataset: Real-world Weed Classification Within Aerial Drone Imagery [37.51633459581306]
侵入する植物種は、農業と農地の両方の生態に有害である。
ユープホルビア・エスラ(Euphorbia esula)のような外来植物は、東ヨーロッパから北アメリカの大部分に分布している。
米国モンタナ州西部の草原で、葉質のふわふわしたスプージの存在と不在のデータセットを収集し、商用ドローンでこれらの地域を調査した。
我々はこれらのデータに基づいて画像分類器を訓練し、我々の最高の性能モデルであるDINOv2視覚変換器は、葉の隆起を0.84精度で同定した。
論文 参考訳（メタデータ） (2024-05-02T23:53:29Z) - 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) - Using UAS Imagery and Computer Vision to Support Site-Specific Weed
Control in Corn [0.0]
現在、トウモロコシ畑における雑草防除は除草剤の毛布適用によって行われている。
化学物質の量を減らすために,ドローンによる高解像度画像とコンピュータビジョン技術を用いた。
論文 参考訳（メタデータ） (2022-06-02T18:33:22Z) - 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) - A Survey of Deep Learning Techniques for Weed Detection from Images [4.96981595868944]
既存の深層学習に基づく雑草検出・分類手法を検討する。
その結果,ほとんどの研究が教師あり学習手法を適用し,高い分類精度を達成した。
過去の実験は、大量のラベル付きデータが利用できる場合に既に高い精度を達成している。
論文 参考訳（メタデータ） (2021-03-02T02:02:24Z) - 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 Cows: Tracking Illegal Cattle Ranching From High-Resolution
Satellite Imagery [59.32805936205217]
牛の農業は世界の温室効果ガス排出量の8.8%を占めている。
40cmの解像度でアマゾンの衛星画像を取得し、合計28498頭の牛を含む903枚の画像のデータセットをまとめた。
本実験は,有望な結果を示し,これらの課題を解決するためのアルゴリズムとデータ収集プロセスのいずれにおいても,次のステップの重要方向を示すものである。
論文 参考訳（メタデータ） (2020-11-14T19:07:39Z) - Weed Density and Distribution Estimation for Precision Agriculture using
Semi-Supervised Learning [0.0]
雑草密度と分布のロバストな推定のための深層学習に基づく半教師付き手法を提案する。
本研究では、作物や雑草を含む前景の植生画素を、畳み込みニューラルネットワーク(CNN)に基づく教師なしセグメンテーションを用いて最初に同定する。
雑草感染地域は、細調整されたCNNを用いて識別され、手作りの特徴を設計する必要がなくなる。
論文 参考訳（メタデータ） (2020-11-04T09:35:53Z) - Ground-truth or DAER: Selective Re-query of Secondary Information [37.21776636843253]
多くの視覚タスクは、コンピュータービジョンモデルが問題を解決するのを助けるために、推論時に二次情報(シード)を使用する。
そこで本研究では,期待された性能劣化に基づいて,種子を拒絶するか否かを判定する種拒絶問題を提案する。
本手法は, 高い基準値に対して, 目標性能を23%以上向上させるために必要な種数を削減することができることを示す。
論文 参考訳（メタデータ） (2020-09-16T01:44:19Z)
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。