論文の概要: CitDet: A Benchmark Dataset for Citrus Fruit Detection
- arxiv url: http://arxiv.org/abs/2309.05645v3
- Date: Thu, 10 Oct 2024 00:35:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-11 14:27:56.886272
- Title: CitDet: A Benchmark Dataset for Citrus Fruit Detection
- Title（参考訳）: CitDet: Citrus Fruit検出のためのベンチマークデータセット
- Authors: Jordan A. James, Heather K. Manching, Matthew R. Mattia, Kim D. Bowman, Amanda M. Hulse-Kemp, William J. Beksi,
- Abstract要約: 本研究は,キツネ果実の検出における技術状況の進展と,黄龍病の被害を受けた樹木の収量を正確に推定するための新しいデータセットを提案する。
データセットは579の高解像度画像に含まれるフルーツインスタンスのための32,000以上のバウンディングボックスアノテーションで構成されている。
- 参考スコア（独自算出の注目度）: 4.148753005188076
- License:
- Abstract: In this letter, we present a new dataset to advance the state of the art in detecting citrus fruit and accurately estimate yield on trees affected by the Huanglongbing (HLB) disease in orchard environments via imaging. Despite the fact that significant progress has been made in solving the fruit detection problem, the lack of publicly available datasets has complicated direct comparison of results. For instance, citrus detection has long been of interest to the agricultural research community, yet there is an absence of work, particularly involving public datasets of citrus affected by HLB. To address this issue, we enhance state-of-the-art object detection methods for use in typical orchard settings. Concretely, we provide high-resolution images of citrus trees located in an area known to be highly affected by HLB, along with high-quality bounding box annotations of citrus fruit. Fruit on both the trees and the ground are labeled to allow for identification of fruit location, which contributes to advancements in yield estimation and potential measure of HLB impact via fruit drop. The dataset consists of over 32,000 bounding box annotations for fruit instances contained in 579 high-resolution images. In summary, our contributions are the following: (i) we introduce a novel dataset along with baseline performance benchmarks on multiple contemporary object detection algorithms, (ii) we show the ability to accurately capture fruit location on tree or on ground, and finally (ii) we present a correlation of our results with yield estimations.
- Abstract（参考訳）: 本稿では,果樹園環境におけるハングロングブリング (HLB) 病に罹患する樹木の収穫量を画像解析により正確に推定する手法を提案する。
果実検出問題の解決において大きな進歩があったにもかかわらず、公開データセットの欠如は結果の複雑な直接比較である。
例えば、キツネ検出は農業研究コミュニティにとって長い間関心があったが、特にHLBに影響されたキツネの公的データセットを含む仕事が欠如している。
この問題に対処するため、我々は典型的な果樹園の設定で使用する最先端のオブジェクト検出手法を強化した。
具体的には,HLBの影響を強く受けている地域に位置するキツネの高分解能画像と,キツネ果実の高品質なバウンディングボックスアノテーションを提供する。
木と地面の両方に果実をラベル付けし,果実の立地を同定し,収量推定の進歩と,果実の落葉によるHLB影響の潜在的評価に寄与する。
データセットは579の高解像度画像に含まれるフルーツインスタンスのための32,000以上のバウンディングボックスアノテーションで構成されている。
まとめると、私たちの貢献は以下のとおりです。
(i)複数の現代オブジェクト検出アルゴリズムのベースライン性能ベンチマークとともに,新しいデータセットを導入する。
(二)木や地上の果実の正確な位置を把握でき、最後に
(II) 結果と収量推定との相関を提示する。
関連論文リスト
- Few-Shot Fruit Segmentation via Transfer Learning [4.616529139444651]
移動学習を用いた内野果実のセマンティックセマンティックセマンティックセマンティクスフレームワークを開発した。
都会のシーン解析における同様の成功を機に,我々は特別事前学習を提案する。
プレトレーニングモデルでは, 地上に落ちてきた果実と木上の果実の区別が可能であることを示す。
論文 参考訳（メタデータ） (2024-05-04T04:05:59Z) - A pipeline for multiple orange detection and tracking with 3-D fruit
relocalization and neural-net based yield regression in commercial citrus
orchards [0.0]
本稿では,パイプラインとして実装されたビデオの果実数を利用した非侵襲的な代替手段を提案する。
そこで本研究では, 果実位置の3次元推定を利用した再局在化成分を導入する。
果実の少なくとも30%を正確に検出・追跡・数えることにより, 収率回帰器の精度は0.85である。
論文 参考訳（メタデータ） (2023-12-27T21:22:43Z) - S$^3$AD: Semi-supervised Small Apple Detection in Orchard Environments [3.1979650133817206]
作物検出は、自動収量推定や果物の摘みなど、精密農業用途に不可欠である。
本研究では,リンゴ検出タスクを半教師付きで再構築することで課題に対処する。
14,667個のアノテートリンゴインスタンスと4,440個の未ラベル画像からなる105個のラベル付き画像からなる、大規模で高解像度のデータセットMADを提供する。
また,小型リンゴの検出の難易度を高めるため,コンテキストアテンションと選択タイリングに基づく半スーパービジョン型小型アップル検出システムS$3$ADを提案する。
論文 参考訳（メタデータ） (2023-11-08T21:25:27Z) - 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) - 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) - Yield Evaluation of Citrus Fruits based on the YoloV5 compressed by
Knowledge Distillation [5.585209836203215]
果樹栽培の分野では,果実の貯蔵・価格評価において,収穫前収穫量の算定が重要である。
そこで本研究では,キツネ属の果樹に対して,コンピュータビジョンに基づく実数と収量評価法を提案する。
実験により, 提案手法は果実を正確に数え, 収率を近似できることがわかった。
論文 参考訳（メタデータ） (2022-11-16T08:09:38Z) - Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。
私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
論文 参考訳（メタデータ） (2022-10-24T14:37:09Z) - 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) - 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) - 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) - UAV and Machine Learning Based Refinement of a Satellite-Driven
Vegetation Index for Precision Agriculture [0.8399688944263843]
本稿では,深層学習技術に基づく新しい衛星画像補正フレームワークを提案する。
無人航空機(UAV)が取得した高解像度画像から得られる情報を適切に活用する。
セラルンガ・ダルバ (Serralunga d'Alba) のブドウ園は、検証のためのケーススタディとして選ばれた。
論文 参考訳（メタデータ） (2020-04-29T18:34:48Z)
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。