論文の概要: On the Real-Time Semantic Segmentation of Aphid Clusters in the Wild
- arxiv url: http://arxiv.org/abs/2307.10267v1
- Date: Mon, 17 Jul 2023 19:04:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-21 16:27:12.529179
- Title: On the Real-Time Semantic Segmentation of Aphid Clusters in the Wild
- Title（参考訳）: 野生におけるアブラムシクラスタのリアルタイムセマンティクスセグメンテーションについて
- Authors: Raiyan Rahman, Christopher Indris, Tianxiao Zhang, Kaidong Li, Brian
McCornack, Daniel Flippo, Ajay Sharda, Guanghui Wang
- Abstract要約: アフィドの感染は小麦やソルガムの畑に大きな損傷を与え、植物ウイルスを拡散させる。
農夫はしばしば化学殺虫剤を頼りにしており、これは田畑の広い範囲で非効率に適用される。
本稿では,アフィドのクラスタ分割にリアルタイムセマンティックセマンティックセマンティクスモデルを適用することを提案する。
- 参考スコア（独自算出の注目度）: 13.402804225093801
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Aphid infestations can cause extensive damage to wheat and sorghum fields and
spread plant viruses, resulting in significant yield losses in agriculture. To
address this issue, farmers often rely on chemical pesticides, which are
inefficiently applied over large areas of fields. As a result, a considerable
amount of pesticide is wasted on areas without pests, while inadequate amounts
are applied to areas with severe infestations. The paper focuses on the urgent
need for an intelligent autonomous system that can locate and spray
infestations within complex crop canopies, reducing pesticide use and
environmental impact. We have collected and labeled a large aphid image dataset
in the field, and propose the use of real-time semantic segmentation models to
segment clusters of aphids. A multiscale dataset is generated to allow for
learning the clusters at different scales. We compare the segmentation speeds
and accuracy of four state-of-the-art real-time semantic segmentation models on
the aphid cluster dataset, benchmarking them against nonreal-time models. The
study results show the effectiveness of a real-time solution, which can reduce
inefficient pesticide use and increase crop yields, paving the way towards an
autonomous pest detection system.
- Abstract（参考訳）: アブラムシの寄生は小麦やソルガム畑に大きな被害を与え、植物ウイルスを拡散させ、農業でかなりの収量を失う。
この問題に対処するため、農夫はしばしば化学殺虫剤を頼りにしており、これは広大な畑で非効率に適用される。
その結果、害虫がいない地域ではかなりの量の農薬が消費され、深刻な流行のある地域では不適切な量の農薬が使用される。
この論文は、複雑な作物のキャノピー内で感染を発見・散布し、農薬の使用と環境への影響を低減できるインテリジェントな自律システムの必要性に焦点を当てている。
我々は,フィールド内に大規模なアフィド画像データセットを収集・ラベル付けし,アフィドのクラスタをセグメント化するリアルタイム意味セグメンテーションモデルを提案する。
クラスタをさまざまなスケールで学習するために、マルチスケールデータセットが生成される。
aphidクラスタデータセット上の4つの最先端セマンティックセグメンテーションモデルのセグメンテーション速度と精度を比較し、非リアルタイムモデルと比較した。
本研究は,不効率な農薬使用を低減し,収穫量を増加させるリアルタイムソリューションの有効性を示し,自律的害虫検出システムへの道を開く。
関連論文リスト
- A New Dataset and Comparative Study for Aphid Cluster Detection and Segmentation in Sorghum Fields [9.735484847744416]
アフィドの感染は小麦やソルガムの畑に大きな被害をもたらす主要な原因の1つである。
農家はしばしば、健康と環境に悪影響を及ぼす有害な農薬を非効率に利用する。
我々は,アフィドクラスタの検出とセグメンテーションのための大規模なマルチスケールデータセットを開発した。
論文 参考訳（メタデータ） (2024-05-07T13:27:58Z) - 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) - Aphid Cluster Recognition and Detection in the Wild Using Deep Learning
Models [17.65292847038642]
アフィドの寄生は作物生産、農村社会、世界の食料安全保障に重大な脅威をもたらす。
本稿では,アフィドクラスタの検出にディープラーニングモデルを用いることに主眼を置いている。
そこで本研究では,アフィドクラスターの検出により感染レベルを推定する手法を提案する。
論文 参考訳（メタデータ） (2023-08-10T23:53:07Z) - A New Dataset and Comparative Study for Aphid Cluster Detection [17.65292847038642]
アフィドは作物、農村の家族、そして世界の食料安全保障に対する主要な脅威の1つである。
アフィドの感染を正確に特定し レベルを推定することは 農薬の正確な局所的応用に 不可欠です
我々は,ソリガムフィールドで何百万枚もの画像を撮影し,手動でアフィドを含む5,447枚の画像を選択し,画像中の各アフィドクラスタに注釈を付けた。
論文 参考訳（メタデータ） (2023-07-12T05:49:21Z) - End-to-end deep learning for directly estimating grape yield from
ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。
オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。
本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文 参考訳（メタデータ） (2022-08-04T01:34:46Z) - 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) - 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) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳（メタデータ） (2021-06-04T22:17:09Z) - 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) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳（メタデータ） (2020-05-18T21:57:47Z) - Weakly Supervised Learning Guided by Activation Mapping Applied to a
Novel Citrus Pest Benchmark [6.239768930024569]
統合害虫管理(Integrated pest Management)は、シトラス作物の害虫や病気による被害を予防・緩和するために最も広く用いられるプロセスである。
我々は、画像に対する関心領域を自動的に選択するために、サリエンシマップによって導かれる弱教師付き学習プロセスを設計する。
2つの大規模データセットで行った実験から,農業分野における害虫の分類と病気の分類の問題に対して,本研究の結果は非常に有望であることが明らかとなった。
論文 参考訳（メタデータ） (2020-04-22T01:26:50Z)
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。