論文の概要: BOLLWM: A real-world dataset for bollworm pest monitoring from cotton fields in India

• arxiv url: http://arxiv.org/abs/2304.00763v1
• Date: Mon, 3 Apr 2023 07:31:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-04 16:27:40.863804
• Title: BOLLWM: A real-world dataset for bollworm pest monitoring from cotton fields in India
• Title（参考訳）: bollwm:インドの綿畑からボルワーム害虫をモニタリングする現実世界のデータセット
• Authors: Jerome White, Chandan Agrawal, Anmol Ojha, Apoorv Agnihotri, Makkunda Sharma, Jigar Doshi
• Abstract要約: 本稿では,インド全土の小規模農家や農業拡張労働者が5年間にわたって収集した農薬画像のデータセットについて述べる。 このデータセットは、農夫が害虫管理の決定を行うのを助けるために、人工知能に依存するモバイルアプリケーションをサポートするために使われてきた。
• 参考スコア（独自算出の注目度）: 2.6481410812267145
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a dataset of agricultural pest images captured over five years by thousands of small holder farmers and farming extension workers across India. The dataset has been used to support a mobile application that relies on artificial intelligence to assist farmers with pest management decisions. Creation came from a mix of organized data collection, and from mobile application usage that was less controlled. This makes the dataset unique within the pest detection community, exhibiting a number of characteristics that place it closer to other non-agricultural objected detection datasets. This not only makes the dataset applicable to future pest management applications, it opens the door for a wide variety of other research agendas.
• Abstract（参考訳）: 本稿では,インド全土の小規模農家や農業拡張労働者が5年間にわたって収集した農薬画像のデータセットについて述べる。 このデータセットは、農夫の害虫管理決定を支援するために人工知能に依存するモバイルアプリケーションをサポートするために使用されている。 作成は、組織化されたデータ収集の混合と、制御の少ないモバイルアプリケーションの使用から行われた。 これにより、データセットは害虫検出コミュニティ内でユニークになり、他の非農業目的の検知データセットに近い多くの特徴が示される。 これは、データセットを将来の害虫管理アプリケーションに適用するだけでなく、他の様々な研究課題への扉を開く。

関連論文リスト

• Self-supervised transformer-based pre-training method with General Plant Infection dataset [3.969851116372513]
  本研究では、コントラスト学習とマスクド画像モデリング(MIM)を組み合わせた高度なネットワークアーキテクチャを提案する。 提案するネットワークアーキテクチャは,植物害虫や病原体認識タスクに対処し,優れた検出精度を実現する。 私たちのコードとデータセットは、植物害虫の研究と病気の認識を促進するために公開されます。
  論文  参考訳（メタデータ） (2024-07-20T15:48:35Z)
• 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)
• An Efficient Deep Learning-based approach for Recognizing Agricultural Pests in the Wild [0.0]
  農夫が経験した最大の課題の1つは、農作物の収量で害虫と戦うことである。 これは、簡単かつ効果的に昆虫の害虫を識別することを必要とする。 我々は,それぞれに最適な方法を見出すために,様々な方法を検討する広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-10-25T20:42:20Z)
• 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)
• A Novel Dataset for Evaluating and Alleviating Domain Shift for Human Detection in Agricultural Fields [59.035813796601055]
  トレーニングセットの分布外のデータに展開した場合、ドメインシフトが、よく知られたオブジェクト検出データセット上で訓練された人間の検出モデルに与える影響を評価する。 我々は、ロボットティプラットフォームを用いて、農業ロボット応用の文脈で収集されたOpenDR Humans in Fieldデータセットを紹介した。
  論文  参考訳（メタデータ） (2022-09-27T07:04:28Z)
• Spatial Monitoring and Insect Behavioural Analysis Using Computer Vision for Precision Pollination [6.2997667081978825]
  昆虫は作物の最も重要な世界的な受粉者であり、自然生態系の持続可能性を維持する上で重要な役割を担っている。 現在のコンピュータビジョンは、複雑な屋外環境における昆虫追跡を空間的に制限している。 本稿では,昆虫数計測,昆虫の動き追跡,行動解析,受粉予測のためのマーカーレスデータキャプチャーシステムを紹介する。
  論文  参考訳（メタデータ） (2022-05-10T05:11:28Z)
• What a million Indian farmers say?: A crowdsourcing-based method for pest surveillance [0.9558392439655014]
  本稿では,スマートフォン上で収集したリアルタイムファーマークエリを利用して害虫監視を行うクラウドソーシング方式を提案する。 本研究では,高時間的粒度の広い地域を包み込むことのできる害虫監視の正確かつ経済的手法であることを示した。
  論文  参考訳（メタデータ） (2021-08-07T06:03:17Z)
• Pollen13K: A Large Scale Microscope Pollen Grain Image Dataset [63.05335933454068]
  この研究は、1万3千以上の天体を含む最初の大規模花粉画像データセットを提示する。 本稿では, エアロバイオロジカルサンプリング, 顕微鏡画像取得, 物体検出, セグメンテーション, ラベル付けなど, 採用データ取得のステップに注目した。
  論文  参考訳（メタデータ） (2020-07-09T10:33:31Z)
• Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
  ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。 このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。 衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
  論文  参考訳（メタデータ） (2020-04-11T19:49:09Z)
• Crop Knowledge Discovery Based on Agricultural Big Data Integration [2.597676155371155]
  農業データは、IoT(Internet of Thing)、センサー、衛星、気象観測所、ロボット、農業機器、農業実験所、農家、政府機関、農業機関など、さまざまなソースを通じて生成される。 本稿では,他のデータセットやビッグデータモデルを組み込むのに十分なフレキシブルなコンステレーションスキーマを用いた農業データ統合手法を提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:13:17Z)
• Agriculture-Vision: A Large Aerial Image Database for Agricultural Pattern Analysis [110.30849704592592]
  本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。 各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。 農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
  論文  参考訳（メタデータ） (2020-01-05T20:19:33Z)

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。