論文の概要: Sustainable Palm Tree Farming: Leveraging IoT and Multi-Modal Data for Early Detection and Mapping of Red Palm Weevil

• arxiv url: http://arxiv.org/abs/2306.16862v1
• Date: Thu, 29 Jun 2023 11:19:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-30 13:49:13.350340
• Title: Sustainable Palm Tree Farming: Leveraging IoT and Multi-Modal Data for Early Detection and Mapping of Red Palm Weevil
• Title（参考訳）: 持続可能パームツリー栽培:レッドパームウィービルの早期検出とマッピングにiotとマルチモーダルデータを活用する
• Authors: Yosra Hajjaji, Ayyub Alzahem, Wadii Boulila, Imed Riadh Farah, Anis Koubaa
• Abstract要約: レッド・パーム・ウィービル(RPW)は、経済的損失を引き起こし、世界中のヤシの栽培に影響を及ぼす破壊的な昆虫である。 本稿では,RPWの早期検出・管理に先進技術を活用することで,持続的ヤシ作経営の革新的アプローチを提案する。
• 参考スコア（独自算出の注目度）: 2.423660247459463
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Red Palm Weevil (RPW) is a highly destructive insect causing economic losses and impacting palm tree farming worldwide. This paper proposes an innovative approach for sustainable palm tree farming by utilizing advanced technologies for the early detection and management of RPW. Our approach combines computer vision, deep learning (DL), the Internet of Things (IoT), and geospatial data to detect and classify RPW-infested palm trees effectively. The main phases include; (1) DL classification using sound data from IoT devices, (2) palm tree detection using YOLOv8 on UAV images, and (3) RPW mapping using geospatial data. Our custom DL model achieves 100% precision and recall in detecting and localizing infested palm trees. Integrating geospatial data enables the creation of a comprehensive RPW distribution map for efficient monitoring and targeted management strategies. This technology-driven approach benefits agricultural authorities, farmers, and researchers in managing RPW infestations and safeguarding palm tree plantations' productivity.
• Abstract（参考訳）: レッド・パーム・ウィービル(RPW)は高度に破壊的な昆虫であり、経済的損失を招き、世界中のヤシの栽培に影響を及ぼす。 本稿では,RPWの早期検出・管理に先進技術を活用することで,持続的ヤシ作の革新的アプローチを提案する。 コンピュータビジョン,深層学習(DL),モノのインターネット(IoT),地理空間データを組み合わせて,RPWに寄生するヤシを効果的に検出・分類する。 主なフェーズは,(1)IoTデバイスからの音声データを用いたDL分類,(2)UAV画像上のYOLOv8を用いたヤシ木検出,(3)地理空間データを用いたRPWマッピングである。 当社のカスタムdlモデルはパームツリーの検出とローカライズにおいて100%精度とリコールを達成している。 地理空間データの統合により、効率的なモニタリングとターゲット管理戦略のための総合的なRPW分布マップの作成が可能になる。 この技術によるアプローチは、農業当局、農家、研究者がRPWの感染を管理し、ヤシの木プランテーションの生産性を保護している。

関連論文リスト

• Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
  本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。 疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。 実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-20T00:43:32Z)
• Real-Time Localization and Bimodal Point Pattern Analysis of Palms Using UAV Imagery [13.085752393960886]
  リアルタイム検出,セグメンテーション,およびカノピーヤシのカウントのためのディープラーニングフレームワークであるPalmDSNetを紹介する。 エクアドル西部の熱帯林21ヶ所からUAVキャプチャー画像を用いてオルソモザイクを作成する。 画像パッチ上の7,356のバウンディングボックスと5つの整形外科領域にわたる7,603のヤシセンターを含む、包括的なデータセットを作成するために専門家アノテーションが使用された。
  論文  参考訳（メタデータ） (2024-10-14T22:23:10Z)
• LoRa Communication for Agriculture 4.0: Opportunities, Challenges, and Future Directions [40.08908132533476]
  スマート農業の新興分野は、IoT(Internet of Things)を活用して農業プラクティスに革命をもたらす。 本稿では,農業用IoTシステムにおける長距離無線通信の鍵となるLong Range(LoRa)技術の転換可能性について検討する。
  論文  参考訳（メタデータ） (2024-09-17T13:55:44Z)
• Low-Cost Tree Crown Dieback Estimation Using Deep Learning-Based Segmentation [0.0]
  深層学習と植生指標に基づくアプローチを用いて,LiDARなどの高価な機器を必要とせずに,RGB空中データからクラウンダイバックを評価する。 基礎となるMask R-CNNモデルのさらなる技術開発を必要とせず、高い全体セグメント化精度(mAP:0.519)を得る。 本研究は,森林ダイバックモニタリングの網羅性,速度,コストを改善するため,ディープラーニングの適用を含む自動データ収集および処理の可能性を示すものである。
  論文  参考訳（メタデータ） (2024-09-12T16:03:56Z)
• FLOGA: A machine learning ready dataset, a benchmark and a novel deep learning model for burnt area mapping with Sentinel-2 [41.28284355136163]
  森林火災は人間や動物の生活、生態系、社会経済の安定に重大な脅威をもたらす。 本研究では、FLOGA(Forest wiLdfire Observations for the Greek Area)と名付けた機械学習可能なデータセットを作成し、導入する。 このデータセットは、山火事の前後に取得された衛星画像からなるため、ユニークなものである。 我々はFLOGAを用いて、複数の機械学習アルゴリズムとディープラーニングアルゴリズムの徹底的な比較を行い、バーント領域の自動抽出を行う。
  論文  参考訳（メタデータ） (2023-11-06T18:42:05Z)
• Early Detection of Red Palm Weevil Infestations using Deep Learning Classification of Acoustic Signals [1.8677879752763564]
  レッド・パーム・ウィービル(RPW)は、世界でも最も被害を受けているヤシの害虫であると考えられている。 現在の検出技術には、視覚的または音的検査を用いてRPWの症状を検出することが含まれる。 提案手法は, RPW音活動の記録と解析に基づく。
  論文  参考訳（メタデータ） (2023-08-30T08:09:40Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• A Novel Remote Sensing Approach to Recognize and Monitor Red Palm Weevil in Date Palm Trees [1.8352113484137624]
  レッド・パール・ウィービル(RPW)の拡散は、世界中のヤシの木にとって現実的な脅威となっている。 中東では、RPWは現在のPhoenix dactylifera Lに広範囲の損傷を与えている。 本研究は,赤ヤシのイノシシを認識・監視するための新しいリモートセンシング手法を提案する。
  論文  参考訳（メタデータ） (2022-03-28T03:30:08Z)
• Towards a Multimodal System for Precision Agriculture using IoT and Machine Learning [0.5249805590164902]
  データ収集のためのIoT(Internet of Things)や、作物の損傷予測のための機械学習、作物の病気検出のためのディープラーニングといった技術が使用されている。 作物の被害予測には、ランダムフォレスト(RF)、光勾配昇降機(LGBM)、XGBoost(XGB)、決定木(DT)、K Nearest Neighbor(KNN)などのアルゴリズムが用いられている。 VGG16、Resnet50、DenseNet121といった事前学習された畳み込みニューラルネットワーク(CNN)モデルも、作物が何らかの病気で汚染されているかどうかを確認するために訓練されている。
  論文  参考訳（メタデータ） (2021-07-10T19:19:45Z)
• 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)
• 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)

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。