論文の概要: Generating high-quality 3DMPCs by adaptive data acquisition and
NeREF-based radiometric calibration with UGV plant phenotyping system
- arxiv url: http://arxiv.org/abs/2305.06777v2
- Date: Fri, 1 Dec 2023 09:33:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-04 18:42:23.908523
- Title: Generating high-quality 3DMPCs by adaptive data acquisition and
NeREF-based radiometric calibration with UGV plant phenotyping system
- Title(参考訳): 適応データ取得による高品質3DMPCの生成とUGV植物表現システムによるNeREFによるラジオメトリックキャリブレーション
- Authors: Pengyao Xie, Zhihong Ma, Ruiming Du, Xin Yang, Haiyan Cen
- Abstract要約: 本研究では, 適応データ取得とラジオメトリックキャリブレーションにより高品質な3DMPCを生産する手法を提案する。
プラント全体のデータの完全性は、固定された視点のみと比較して平均23.6%向上した。
3Dキャリブレーションプラント3DMPCは、クロロフィル含有量のPLSRの予測精度を向上し、R2では平均0.07、RMSEでは平均21.25%向上した。
- 参考スコア(独自算出の注目度): 3.7387019397567793
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fusion of 3D and MS imaging data has a great potential for high-throughput
plant phenotyping of structural and biochemical as well as physiological traits
simultaneously, which is important for decision support in agriculture and for
crop breeders in selecting the best genotypes. However, lacking of 3D data
integrity of various plant canopy structures and low-quality of MS images
caused by the complex illumination effects make a great challenge, especially
at the proximal imaging scale. Therefore, this study proposed a novel approach
for adaptive data acquisition and radiometric calibration to generate
high-quality 3DMPCs of plants. An efficient NBV planning method based on an UGV
plant phenotyping system with a multi-sensor-equipped robotic arm was proposed
to achieve adaptive data acquisition. The NeREF was employed to predict the DN
values of the hemispherical reference for radiometric calibration. For NBV
planning, the average total time for single plant at a joint speed of 1.55
rad/s was about 62.8 s, with an average reduction of 18.0% compared to the
unplanned. The integrity of the whole-plant data was improved by an average of
23.6% compared to the fixed viewpoints alone. Compared with the ASD
measurements, the RMSE of the reflectance spectra obtained from 3DMPCs at
different regions of interest was 0.08 with an average decrease of 58.93%
compared to the results obtained from the single-frame of MS images without 3D
radiometric calibration. The 3D-calibrated plant 3DMPCs improved the predictive
accuracy of PLSR for chlorophyll content, with an average increase of 0.07 in
R2 and an average decrease of 21.25% in RMSE. Our approach introduced a fresh
perspective on generating high-quality 3DMPCs of plants under the natural light
condition, enabling more precise analysis of plant morphological and
physiological parameters.
- Abstract(参考訳): 3d画像データとms画像データの融合は、構造および生化学の高スループット植物表現と生理的特徴を同時に表現する大きな可能性を秘めている。
しかし, 複雑な照明効果によるプラントキャノピー構造の3次元データ整合性の欠如とMS画像の低品質化は, 特に近位画像スケールにおいて大きな課題となる。
そこで本研究では, 適応データ取得とラジオメトリックキャリブレーションによる高品質な3DMPC生成手法を提案する。
適応的データ取得を実現するために, マルチセンサロボットアームを用いたUGVプラント表現システムに基づく効率的なNBV計画法を提案した。
NeREFは、放射校正のための半球基準のDN値を予測するために用いられた。
NBVの計画では、結合速度1.55 rad/sの単一植物の平均総時間は62.8秒であり、未計画の植物に比べて平均18.0%減少した。
プラント全体のデータの完全性は、固定された視点だけで平均23.6%向上した。
ASD測定と比較すると, 3次元ラジオメトリックキャリブレーションのないMS画像の単フレーム画像と比較すると, 3DMPCから得られた反射スペクトルのRMSEは0.08であり, 平均58.93%低下した。
3Dキャリブレーションプラント3DMPCは、クロロフィル含有量のPLSRの予測精度を向上し、R2では平均0.07、RMSEでは平均21.25%向上した。
自然光条件下での高品質3DMPCの生成に対する新たな視点を導入し,植物形態および生理的パラメータのより正確な分析を可能にした。
関連論文リスト
- Exploring Accurate 3D Phenotyping in Greenhouse through Neural Radiance Fields [6.283117378688054]
コントロールされた実験室環境における伝統的な表現型付けは、価値はあるものの、実際の環境下での植物の成長を理解するには不十分である。
本研究では, 温室環境下でのトウガラシの個体内表現の精度を高めるために, ニューラル放射場を用いた学習に基づく表現法について検討した。
論文 参考訳(メタデータ) (2024-03-24T02:15:14Z) - Mapping Walnut Water Stress with High Resolution Multispectral UAV
Imagery and Machine Learning [0.0]
本研究では、ランダムフォレストモデル(RF)を用いて、茎水電位(SWP)をマッピングする機械学習手法を提案する。
2017年から2018年にかけて、商業用クルミ果樹園で7バンドのマルチスペクトルカメラを搭載したUAVの5回の飛行が行われた。
直交UAV画像と気象データから得られた植生指標を利用したRF回帰モデルにより,効果的に地盤計測SWPを推定する。
RF分類モデルでは, クルミの木中の水ストレスレベルを85%の精度で予測し, 還元された分類モデルの80%を超える精度を示した。
論文 参考訳(メタデータ) (2023-12-30T02:58:45Z) - PlantPlotGAN: A Physics-Informed Generative Adversarial Network for
Plant Disease Prediction [2.7409168462107347]
リアルな植生指標を持つ合成多スペクトルプロット画像を作成することができる物理インフォームド・ジェネレーティブ・モデルであるPlanetPlotGANを提案する。
その結果, PlantPlotGANから生成された合成画像はFr'echet開始距離に関して最先端の手法よりも優れていた。
論文 参考訳(メタデータ) (2023-10-27T16:56:28Z) - 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。