論文の概要: Automatic measurement of coverage area of water-based
pesticides-surfactant formulation on plant leaves using deep learning tools
- arxiv url: http://arxiv.org/abs/2401.08593v1
- Date: Fri, 17 Nov 2023 17:05:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-22 10:03:54.978746
- Title: Automatic measurement of coverage area of water-based
pesticides-surfactant formulation on plant leaves using deep learning tools
- Title（参考訳）: 深層学習ツールを用いた植物葉における水系農薬の被覆面積の自動測定
- Authors: Fabio Grazioso, Anzhelika A. Atsapina, Gardoon L. O. Obaeed, Natalia
A. Ivanova
- Abstract要約: 植物葉の水溶液中における農薬-界面活性剤製剤のデリバリを効率よく定量的に研究する方法について述べる。
深層学習モデルは、キュウリの葉に水分で濡れた領域の表面を自動的に測定するために訓練され、テストされている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: A method to efficiently and quantitatively study the delivery of a
pesticide-surfactant formulation in water solution over plants leaves is
presented. Instead of measuring the contact angle, the surface of the leaves
wet area is used as key parameter. To this goal, a deep learning model has been
trained and tested, to automatically measure the surface of area wet with water
solution over cucumber leaves, processing the frames of video footage. We have
individuated an existing deep learning model, reported in literature for other
applications, and we have applied it to this different task. We present the
measurement technique, some details of the deep learning model, its training
procedure and its image segmentation performance. Finally, we report the
results of the wet areas surface measurement as a function of the concentration
of a surfactant in the pesticide solution.
- Abstract（参考訳）: 植物葉上の水溶液中での殺虫剤配合物の提供を効率的かつ定量的に行う方法を提案する。
接触角を測定する代わりに、葉の湿った領域の表面をキーパラメータとして用いる。
この目的のために、キュウリの葉に水に濡れた領域の表面を自動的に測定し、ビデオ映像のフレームを処理する深層学習モデルが訓練され、テストされている。
我々は既存のディープラーニングモデルを分割し、他のアプリケーションのために文献で報告し、この異なるタスクに適用した。
本稿では,測定手法,深層学習モデルの詳細,訓練手順,画像分割性能について述べる。
最後に, 農薬溶液中の界面活性剤濃度の関数として, 湿地表面測定の結果について報告する。
関連論文リスト
- Vision-based Xylem Wetness Classification in Stem Water Potential Determination [8.597874067545233]
この研究は、スコランダー圧力室を用いた茎検出とキシレム湿性分類の自動化に焦点を当てた。
目的は、茎の検出を洗練し、キシレムにおける水の出現をよりよく分類するためのコンピュータビジョンベースの方法を開発することである。
YOLOv8nによる学習ベース幹細胞検出とResNet50に基づく分類の組み合わせにより、トップ1の精度は80.98%に達した。
論文 参考訳（メタデータ） (2024-09-24T19:24:04Z) - A Smartphone-Based Method for Assessing Tomato Nutrient Status through Trichome Density Measurement [0.0]
本研究は,若葉におけるトリホーム密度を,検出遅延の優れたスマートフォンを用いた定量化手法を提案する。
堅牢な自動パイプラインは、領域抽出、視点変換、照明補正を通じてこれらの画像を処理し、トリプルホーム密度を正確に定量化する。
この革新的なアプローチは、スマートフォンを植物栄養評価のための正確な診断ツールに変え、精度の高い農業のための実用的で費用対効果の高いソリューションを提供する。
論文 参考訳（メタデータ） (2024-04-30T12:45:41Z) - A Quantitative Evaluation of Score Distillation Sampling Based
Text-to-3D [54.78611187426158]
本研究では,SDS手法の故障事例を定量的に分析し,人間の評価によって相互に検証する,より客観的な定量的評価指標を提案する。
計算効率の良い新しいベースラインモデルを設計することで,この解析の有効性を実証する。
論文 参考訳（メタデータ） (2024-02-29T00:54:09Z) - 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) - 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) - In-field high throughput grapevine phenotyping with a consumer-grade
depth camera [1.5541946106879052]
植物表現型は、成長、形態学、生理学、収量などの植物形質の定量的評価である。
本研究では,カノピー容積推定と束検出とカウントを目的とした,ブドウの自動表現法を開発した。
農業用車両に搭載されたコンシューマグレードの深度カメラを用いて,両測定を現場で効果的に実施できることが実証された。
論文 参考訳（メタデータ） (2021-04-14T16:16:27Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳（メタデータ） (2021-02-15T10:37:52Z) - Polyp-artifact relationship analysis using graph inductive learned
representations [52.900974021773024]
大腸癌の診断プロセスは主にポリープ(polyps)として知られる大腸組織における異常増殖の局在と特徴づけに焦点を当てている。
近年の深層物体の局在化の進展にもかかわらず、組織と高レベルのアーティファクトとの類似性により、ポリープの局在化は依然として困難である。
近年の研究では、ポリプ検出タスクにおける人工物の存在が負の影響を示しており、トレーニングプロセスの中でそれらを考慮し始めている。
論文 参考訳（メタデータ） (2020-09-15T13:56:39Z) - 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) - Deep Transfer Learning For Plant Center Localization [19.322420819302263]
本稿では,無人航空機(UAV)を用いたRGB空中画像を用いた畑型作物の立地推定手法について検討する。
深層学習アプローチは、RGB画像で観察された植物を探索するために有望な能力を提供するが、トレーニングには大量のラベル付きデータ(地上真実)を必要とする。
そこで本研究では,限定的な地上真実データを用いて,既存モデルを新たなシナリオに移行することにより,プラント中心の推定手法を提案する。
論文 参考訳（メタデータ） (2020-04-29T06:29:49Z) - Plant Stem Segmentation Using Fast Ground Truth Generation [18.208361096194654]
本稿では,深層学習がトマトの茎を正確に分割できることを示す。
また,深層学習のためのトレーニングデータセット作成に必要な資源を大幅に削減する,制御点に基づく基底真理法を提案する。
論文 参考訳（メタデータ） (2020-01-24T00:22:14Z)
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。