論文の概要: Generating high-quality 3DMPCs by adaptive data acquisition and
NeREF-based reflectance correction to facilitate efficient plant phenotyping
- arxiv url: http://arxiv.org/abs/2305.06777v1
- Date: Thu, 11 May 2023 12:59:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-12 14:51:14.254083
- Title: Generating high-quality 3DMPCs by adaptive data acquisition and
NeREF-based reflectance correction to facilitate efficient plant phenotyping
- Title（参考訳）: 適応データ取得による高品質3DMPCの生成とNeREFに基づく反射率補正による植物表現の効率化
- Authors: Pengyao Xie, Zhihong Ma, Ruiming Du, Mengqi Lv, Yutao Shen, Xuqi Lu,
Jiangpeng Zhu, Haiyan Cen
- Abstract要約: 高品質な3Dおよびマルチスペクトルデータを用いた植物形質特性の非破壊評価は、育種者の植物成長に対する理解を深める可能性がある。
自然光条件下での主観的視点選択と複雑な照明効果は、データ品質を低下させる。
適応データ取得法と反射率補正法をそれぞれ提案し,高品質な3次元マルチスペクトル点雲を生成する。
- 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: Non-destructive assessments of plant phenotypic traits using high-quality
three-dimensional (3D) and multispectral data can deepen breeders'
understanding of plant growth and allow them to make informed managerial
decisions. However, subjective viewpoint selection and complex illumination
effects under natural light conditions decrease the data quality and increase
the difficulty of resolving phenotypic parameters. We proposed methods for
adaptive data acquisition and reflectance correction respectively, to generate
high-quality 3D multispectral point clouds (3DMPCs) of plants. In the first
stage, we proposed an efficient next-best-view (NBV) planning method based on a
novel UGV platform with a multi-sensor-equipped robotic arm. In the second
stage, we eliminated the illumination effects by using the neural reference
field (NeREF) to predict the digital number (DN) of the reference. We tested
them on 6 perilla and 6 tomato plants, and selected 2 visible leaves and 4
regions of interest (ROIs) for each plant to assess the biomass and the
chlorophyll content. For NBV planning, the average execution time for single
perilla and tomato plant at a joint speed of 1.55 rad/s was 58.70 s and 53.60 s
respectively. The whole-plant data integrity was improved by an average of 27%
compared to using fixed viewpoints alone, and the coefficients of determination
(R2) for leaf biomass estimation reached 0.99 and 0.92. For reflectance
correction, the average root mean squared error of the reflectance spectra with
hemisphere reference-based correction at different ROIs was 0.08 and 0.07 for
perilla and tomato. The R2 of chlorophyll content estimation was 0.91 and 0.93
respectively when principal component analysis and Gaussian process regression
were applied. Our approach is promising for generating high-quality 3DMPCs of
plants under natural light conditions and facilitates accurate plant
phenotyping.
- Abstract（参考訳）: 高品質な3次元3次元データとマルチスペクトルデータを用いた植物形質特性の非破壊評価は、育種者の植物成長に対する理解を深め、情報的管理決定を可能にする。
しかし,自然光条件下での主観的視点選択と複雑な照明効果により,データ品質が低下し,表現型パラメータの解消が困難になる。
本研究では,高画質の3次元マルチスペクトル点雲(DMPC)を生成するための適応データ取得法と反射率補正法を提案する。
第1段階では,マルチセンサ搭載ロボットアームを用いた新しいUGVプラットフォームに基づく,効率的な次世代ビュー(NBV)計画手法を提案した。
第2段階では,ニューラル基準場(NeREF)を用いて参照のディジタル数(DN)を予測することにより照明効果を除去した。
植物6種とトマト6種で試験を行い,各植物に可視葉2種と関心領域4種(rois)を選抜し,バイオマスおよびクロロフィル含量を測定した。
NBV計画では, 単根とトマトの1.55 rad/sでの平均実行時間は58.70 sと53.60 sであった。
プラント全体のデータ完全性は, 固定視点のみを用いた場合と比較して平均27%向上し, 葉バイオマスの推定係数 (r2) は0.99, 0.92であった。
反射率補正では,半球基準に基づく異なるroisでの反射率スペクトルの平均根平均二乗誤差は0.08,0.07であった。
クロロフィル含量推定のR2は主成分分析とガウス過程回帰を適用した場合それぞれ0.91と0.93であった。
本手法は, 自然光条件下での高品質な3DMPCの生成と, 植物表現の精度向上に有効である。
関連論文リスト
- Biomass phenotyping of oilseed rape through UAV multi-view oblique imaging with 3DGS and SAM model [18.13908148656987]
本研究は, 油種レイプの正確な3次元再構成とバイオマス推定のために, 3次元ガウススティング(3DGS)とSAM(Segment Anything Model)を統合した。
3DGSは精度が高く、ピーク信号対雑音比(PSNR)は27.43、トレーニング時間は7分49分であった。
SAMモジュールは、結合(mIoU)が0.961、F1スコアが0.980で高いセグメンテーション精度を達成した。
論文 参考訳（メタデータ） (2024-11-13T09:16:21Z) - A Novel Fusion of Optical and Radar Satellite Data for Crop Phenology Estimation using Machine Learning and Cloud Computing [0.0]
大地観測データユビキティの時代には、リモートセンシングデータに基づいて作物の表現学を正確に予測する試みが試みられている。
そこで我々は,新しい枠組みを用いて,ドイツ全土の8大作物と13の表現学的発達を30mスケールで推定した。
論文 参考訳（メタデータ） (2024-08-16T13:44:35Z) - Dual-band feature selection for maturity classification of specialty crops by hyperspectral imaging [5.905721043072562]
イチゴやトマトなどの特産作物の成熟度分類は、農業の下流における重要な活動である。
近年のDeep Learningの進歩は、成熟度分類のためのカラー画像の奨励的な結果を生み出している。
成熟度分類のための特徴抽出法を提案する。
論文 参考訳（メタデータ） (2024-05-16T10:01:16Z) - Breast Ultrasound Tumor Classification Using a Hybrid Multitask
CNN-Transformer Network [63.845552349914186]
胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。
ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。
本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
論文 参考訳（メタデータ） (2023-08-04T01:19:32Z) - Fusarium head blight detection, spikelet estimation, and severity
assessment in wheat using 3D convolutional neural networks [0.0]
フサリウム・ヘッド・ブライト(FHB)は、小麦やその他の穀物の穀物に影響を及ぼす最も重要な疾患の1つである。
本研究は,コムギに発現するFHB病症状の自動検出,コムギ頭部のスパイクレット数と感染スパイクレット数の自動評価,感染コムギにおけるFHB重症度の自動評価について検討した。
論文 参考訳（メタデータ） (2023-03-10T00:46:32Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。
提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文 参考訳（メタデータ） (2021-11-23T08:04:32Z) - Deep Implicit Statistical Shape Models for 3D Medical Image Delineation [47.78425002879612]
解剖学的構造の3次元デライン化は、医用画像解析の基本的な目標である。
ディープラーニング以前は、解剖学的制約を課し高品質の表面を作り出す統計的形状モデルはコア技術だった。
我々は,CNNの表現力とSSMの頑健さを合体させるデライン化の新しい手法であるディープ暗黙的統計的形状モデル(DISSMs)を提案する。
論文 参考訳（メタデータ） (2021-04-07T01:15:06Z) - 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) - Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。
本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
論文 参考訳（メタデータ） (2020-10-05T14:18:52Z) - Robust Self-Supervised Learning of Deterministic Errors in Single-Plane
(Monoplanar) and Dual-Plane (Biplanar) X-ray Fluoroscopy [2.7528170226206443]
ビデオフレームレートでX線像を撮影する蛍光画像は、血管外科医や介入放射線技師によるカテーテル挿入を導くのに有利である。
ダイナミックな動きを非侵襲的に可視化することで、複雑な手術を患者に対してより少ない外傷で行うことができる。
本稿では,単平面および二重平面蛍光法に適した頑健な自己校正アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-01-03T01:56:21Z)
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。