論文の概要: Agave crop segmentation and maturity classification with deep learning
data-centric strategies using very high-resolution satellite imagery
- arxiv url: http://arxiv.org/abs/2303.11564v2
- Date: Wed, 5 Apr 2023 23:29:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-07 16:46:48.567835
- Title: Agave crop segmentation and maturity classification with deep learning
data-centric strategies using very high-resolution satellite imagery
- Title（参考訳）: 超高解像度衛星画像を用いた深層学習データ中心戦略による作物の選別と成熟度分類
- Authors: Abraham S\'anchez, Ra\'ul Nanclares, Alexander Quevedo, Ulises
Pelagio, Alejandra Aguilar, Gabriela Calvario and E. Ulises Moya-S\'anchez
- Abstract要約: 超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。
実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。
結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
- 参考スコア（独自算出の注目度）: 101.18253437732933
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The responsible and sustainable agave-tequila production chain is fundamental
for the social, environment and economic development of Mexico's agave regions.
It is therefore relevant to develop new tools for large scale automatic agave
region monitoring. In this work, we present an Agave tequilana Weber azul crop
segmentation and maturity classification using very high resolution satellite
imagery, which could be useful for this task. To achieve this, we solve
real-world deep learning problems in the very specific context of agave crop
segmentation such as lack of data, low quality labels, highly imbalanced data,
and low model performance. The proposed strategies go beyond data augmentation
and data transfer combining active learning and the creation of synthetic
images with human supervision. As a result, the segmentation performance
evaluated with Intersection over Union (IoU) value increased from 0.72 to 0.90
in the test set. We also propose a method for classifying agave crop maturity
with 95% accuracy. With the resulting accurate models, agave production
forecasting can be made available for large regions. In addition, some
supply-demand problems such excessive supplies of agave or, deforestation,
could be detected early.
- Abstract（参考訳）: 責任と持続可能なアガベテキラ生産の連鎖は、メキシコのアガベ地域の社会、環境、経済の発展に不可欠である。
したがって,大規模自動採集領域モニタリングのための新しいツールを開発することが重要である。
本稿では,高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentationと成熟度分類について述べる。
そこで本研究では,データ不足,低品質ラベル,高不均衡データ,低モデル性能など,作物のセグメンテーションの極めて具体的な文脈における実世界のディープラーニング問題を解決する。
提案した戦略は、アクティブラーニングと人間の監督による合成画像の作成を組み合わせたデータ拡張とデータ転送に留まらない。
その結果、試験セットにおいて、IoU(Intersection over Union)値によるセグメンテーション性能は0.72から0.90に向上した。
また,95%の精度でアガベ作物の成熟度を分類する方法を提案する。
結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
また,アガベの過剰供給や森林破壊といった需給問題も早期に検出できた。
関連論文リスト
- Enhancing Ecological Monitoring with Multi-Objective Optimization: A Novel Dataset and Methodology for Segmentation Algorithms [17.802456388479616]
オーストラリア, ニューサウスウェールズ州ベガバレーで, 外来種および外来種を捉えた6,096個の高分解能空中画像のユニークなセマンティックセマンティックセマンティクスデータセットを導入した。
このデータセットは、草種の重複と分布のため、困難な課題を示す。
データセットとコードは公開され、コンピュータビジョン、機械学習、生態学の研究を促進することを目的としている。
論文 参考訳（メタデータ） (2024-07-25T18:27:27Z) - Class-specific Data Augmentation for Plant Stress Classification [8.433217399526521]
本稿では,遺伝的アルゴリズムを用いたクラス固有の自動データ拡張手法を提案する。
葉に症状がみられるダイズ(Glycine max (L.) Merr)ストレス分類に対するアプローチの有用性を実証した。
本手法は,ダイズ葉のストレスデータセットにおいて,平均クラス毎の精度97.61%,全体的な精度98%を達成し,高い性能を示した。
論文 参考訳（メタデータ） (2024-06-18T22:01:25Z) - Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。
我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
論文 参考訳（メタデータ） (2024-03-27T08:42:47Z) - Enhancing crop classification accuracy by synthetic SAR-Optical data
generation using deep learning [0.0]
農業地域では、優占作物は典型的には1種または2種であり、他の作物は少ない。
農作物の地図を作成するためにトレーニングサンプルを集める際には、支配的な作物からのサンプルが多数存在し、多数派を形成している。
提案手法は, マイノリティクラスにおけるサンプル数を大幅に増加させることができる, 高品質な合成データを生成することを実証した。
論文 参考訳（メタデータ） (2024-02-03T11:07:50Z) - Generative models-based data labeling for deep networks regression:
application to seed maturity estimation from UAV multispectral images [3.6868861317674524]
種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。
従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。
マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法の提案と,自動ラベリングのための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2022-08-09T09:06:51Z) - End-to-end deep learning for directly estimating grape yield from
ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。
オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。
本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文 参考訳（メタデータ） (2022-08-04T01:34:46Z) - Delving into High-Quality Synthetic Face Occlusion Segmentation Datasets [83.749895930242]
そこで本研究では,高品質な自然主義的合成隠蔽顔を製造するための2つの手法を提案する。
両手法の有効性とロバスト性を実証的に示す。
我々は,RealOccとRealOcc-Wildという,微細なアノテーションを付加した高精細な実世界の顔データセットを2つ提示する。
論文 参考訳（メタデータ） (2022-05-12T17:03:57Z) - Generative Adversarial Networks for Image Augmentation in Agriculture: A
Systematic Review [5.639656362091594]
2014年にコンピュータビジョンコミュニティで発明されたGAN(Generative Adversarial Network)は、優れたデータ表現を学習できる新しいアプローチスイートを提供する。
本稿では, GAN アーキテクチャの進化を概観するとともに, 農業への導入を体系的に検討する。
論文 参考訳（メタデータ） (2022-04-10T15:33:05Z) - 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) - Semi-Supervised StyleGAN for Disentanglement Learning [79.01988132442064]
現在の解離法は、いくつかの固有の制限に直面している。
半教師付き高分解能ディスタングル学習のためのStyleGANに基づく新しいアーキテクチャと損失関数を設計する。
論文 参考訳（メタデータ） (2020-03-06T22:54:46Z)
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。