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
- PalmProbNet: A Probabilistic Approach to Understanding Palm
Distributions in Ecuadorian Tropical Forest via Transfer Learning [0.0]
ヤシは熱帯林では大きな役割を担っており、人間や野生動物にとって重要な資源である。
地理空間画像におけるヤシの正確な識別と位置特定は、重大な課題を呈する。
転送学習を利用した確率論的手法であるPalmProbNetを導入し,高分解能UAV由来のオルソモザイク画像の解析を行う。
論文 参考訳(メタデータ) (2024-03-05T17:54:22Z) - 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) - Agave crop segmentation and maturity classification with deep learning
data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
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。
論文 参考訳(メタデータ) (2023-03-21T03:15:29Z) - 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) - DrugOOD: Out-of-Distribution (OOD) Dataset Curator and Benchmark for
AI-aided Drug Discovery -- A Focus on Affinity Prediction Problems with Noise
Annotations [90.27736364704108]
我々は、AI支援薬物発見のための体系的なOODデータセットキュレーターおよびベンチマークであるTarmOODを提案する。
DrugOODには、ベンチマークプロセスを完全に自動化するオープンソースのPythonパッケージが付属している。
我々は、薬物標的結合親和性予測という、AIDDにおける最も重要な問題の1つに焦点を当てる。
論文 参考訳(メタデータ) (2022-01-24T12:32:48Z) - 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) - Automatic Large Scale Detection of Red Palm Weevil Infestation using
Aerial and Street View Images [0.0]
レッド・パーム・ウィービルの広がりは、日付の栽培者、家主、政府に大きな影響を与えた。
ヤシの木の感染の早期検出は、不可逆的な損傷から木を救うことができる治療を可能にするために重要であることが証明されています。
本稿では,最先端の深層学習アルゴリズムを用いて,ヤシに寄生するヤシの木を観察する新しい手法を提案する。
論文 参考訳(メタデータ) (2021-04-06T15:35:26Z) - 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) - Towards Palmprint Verification On Smartphones [62.279124220123286]
過去20年間の研究によると、ヤシの印刷物は独特性と永続性に優れた効果がある。
我々はスマートフォン用のDeepMPV+というDCNNベースのパームプリント検証システムを構築した。
DeepMPV+の効率と有効性は広範な実験によって裏付けられている。
論文 参考訳(メタデータ) (2020-03-30T08:31:03Z)
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。