論文の概要: Agricultural Object Detection with You Look Only Once (YOLO) Algorithm:
A Bibliometric and Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2401.10379v1
- Date: Thu, 18 Jan 2024 21:04:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-22 17:33:05.909972
- Title: Agricultural Object Detection with You Look Only Once (YOLO) Algorithm:
A Bibliometric and Systematic Literature Review
- Title（参考訳）: you look only once (yolo)アルゴリズムを用いた農業物体検出--書誌学的・体系的文献レビュー
- Authors: Chetan M Badgujar, Alwin Poulose and Hao Gan
- Abstract要約: オブジェクト検出器であるYou Look Only Once (YOLO)は、最先端のパフォーマンスのために比較的短い期間で農業で人気を博している。
農業におけるYOLOの研究と応用は急速に加速しているが、断片化と多分野化が進んでいる。
この研究は、YOLOのエンドツーエンド学習アプローチに関する情報を批判的に評価し、要約する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Vision is a major component in several digital technologies and tools used in
agriculture. The object detector, You Look Only Once (YOLO), has gained
popularity in agriculture in a relatively short span due to its
state-of-the-art performance. YOLO offers real-time detection with good
accuracy and is implemented in various agricultural tasks, including
monitoring, surveillance, sensing, automation, and robotics. The research and
application of YOLO in agriculture are accelerating rapidly but are fragmented
and multidisciplinary. Moreover, the performance characteristics (i.e.,
accuracy, speed, computation) of the object detector influence the rate of
technology implementation and adoption in agriculture. Thus, the study aims to
collect extensive literature to document and critically evaluate the advances
and application of YOLO for agricultural object recognition. First, we
conducted a bibliometric review of 257 articles to understand the scholarly
landscape of YOLO in agricultural domain. Secondly, we conducted a systematic
review of 30 articles to identify current knowledge, gaps, and modifications in
YOLO for specific agricultural tasks. The study critically assesses and
summarizes the information on YOLO's end-to-end learning approach, including
data acquisition, processing, network modification, integration, and
deployment. We also discussed task-specific YOLO algorithm modification and
integration to meet the agricultural object or environment-specific challenges.
In general, YOLO-integrated digital tools and technologies show the potential
for real-time, automated monitoring, surveillance, and object handling to
reduce labor, production cost, and environmental impact while maximizing
resource efficiency. The study provides detailed documentation and
significantly advances the existing knowledge on applying YOLO in agriculture,
which can greatly benefit the scientific community.
- Abstract（参考訳）: ビジョンは農業で使用されるいくつかのデジタル技術やツールの主要な構成要素である。
オブジェクト検出器であるYou Look Only Once (YOLO)は、最先端のパフォーマンスのために比較的短い期間で農業で人気を博している。
YOLOはリアルタイム検出を精度良く提供し、監視、監視、センシング、自動化、ロボット工学など、さまざまな農業タスクに実装されている。
農業におけるYOLOの研究と応用は急速に加速しているが、断片化と多分野化が進んでいる。
さらに, 対象検出器の性能特性(精度, 速度, 計算)は, 農業における技術導入率に影響を及ぼす。
そこで本研究では,農業オブジェクト認識におけるYOLOの進歩と応用を文書化し,批判的に評価することを目的とした。
まず,農業分野におけるヨロの学術的景観を理解するため,257件の文献調査を行った。
第2に, 養殖作業における現在の知識, ギャップ, 変化を明らかにするため, 30項目の体系的レビューを行った。
この研究は、データ取得、処理、ネットワーク修正、統合、デプロイメントを含む、YOLOのエンドツーエンド学習アプローチに関する情報を批判的に評価し、要約する。
また,農業目的や環境固有の課題を満たすため,タスク固有のyoloアルゴリズムの修正と統合についても検討した。
一般的に、YOLO統合デジタルツールと技術は、リソース効率を最大化しつつ、労働力、生産コスト、環境への影響を減らし、リアルタイム、自動監視、監視、オブジェクトハンドリングの可能性を示している。
この研究は詳細な資料を提供し、農業におけるYOLOの適用に関する既存の知識を著しく向上させ、科学コミュニティに大きな利益をもたらす可能性がある。
関連論文リスト
- YOLOv1 to YOLOv10: A comprehensive review of YOLO variants and their application in the agricultural domain [0.5639904484784127]
本研究は、YOLOv1から最先端のYOLOv10まで、様々なYOLO変異体の変形ポテンシャルについて検討する。
主な目的は、これらの最先端の物体検出モデルが、農業の多様な側面を再エネルギー化し、最適化する方法について解明することである。
この知見は、精密農業と持続可能な農業実践の可能性に関する微妙な理解に寄与する。
論文 参考訳（メタデータ） (2024-06-14T15:48:43Z) - Application of Machine Learning in Agriculture: Recent Trends and Future Research Avenues [6.0460261046732455]
食品生産は重要な世界的関心事であり、人工知能(AI)による農業革命の可能性はほとんど解明されていない。
本稿では,農業における機械学習(ML)の適用に焦点をあてた総合的なレビューを行い,農業実践におけるその変革的ポテンシャルと効率向上を探求する。
論文 参考訳（メタデータ） (2024-05-23T17:53:31Z) - YOLOv10: Real-Time End-to-End Object Detection [68.28699631793967]
リアルタイムオブジェクト検出の分野では,YOLOが主流のパラダイムとして浮上している。
非最大抑圧(NMS)による処理後ハマーによるYOLOのエンドツーエンドデプロイメントへの依存。
YOLOの総合的効率-精度駆動型モデル設計戦略を紹介する。
論文 参考訳（メタデータ） (2024-05-23T11:44:29Z) - YOLO-World: Real-Time Open-Vocabulary Object Detection [87.08732047660058]
オープン語彙検出機能でYOLOを強化する革新的なアプローチであるYOLO-Worldを紹介する。
提案手法は,ゼロショット方式で広範囲の物体を高効率で検出する。
YOLO-WorldはV100上で52.0 FPSの35.4 APを達成した。
論文 参考訳（メタデータ） (2024-01-30T18:59:38Z) - Data-Centric Digital Agriculture: A Perspective [23.566985362242498]
デジタル農業は、食料、食料、繊維、燃料の需要の増加に対応するために急速に発展している。
デジタル農業における機械学習の研究は、主にモデル中心のアプローチに焦点を当てている。
デジタル農業の可能性を完全に実現するためには、この分野におけるデータの役割を包括的に理解することが不可欠である。
論文 参考訳（メタデータ） (2023-12-06T11:38:26Z) - Recent applications of machine learning, remote sensing, and iot
approaches in yield prediction: a critical review [0.0]
農業におけるリモートセンシングと機械学習の統合は、業界を変えつつある。
本稿では、作物収量予測にRS、ML、クラウドコンピューティング、IoTを使用した関連記事についてレビューする。
論文 参考訳（メタデータ） (2023-06-07T16:13:16Z) - Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。
本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。
我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
論文 参考訳（メタデータ） (2023-05-03T05:16:54Z) - A lightweight and accurate YOLO-like network for small target detection
in Aerial Imagery [94.78943497436492]
小型ターゲット検出のためのシンプルで高速で効率的なネットワークであるYOLO-Sを提案する。
YOLO-SはDarknet20をベースとした小さな特徴抽出器と、バイパスと連結の両方を通じて接続をスキップする。
YOLO-Sはパラメータサイズが87%減少し、約半分のFLOPがYOLOv3となり、低消費電力の産業用アプリケーションに実用化された。
論文 参考訳（メタデータ） (2022-04-05T16:29:49Z) - Towards technological adaptation of advanced farming through AI, IoT,
and Robotics: A Comprehensive overview [0.0]
人工知能(AI)、IoT(Internet of Things)、ロボティクスベースのデバイスと手法は、農業の新しいパラダイムと機会を生み出している。
農業ロボティクスの主な応用は、土壌の準備、植林、モニタリング、収穫、貯蔵の機能である。
論文 参考訳（メタデータ） (2022-02-21T07:47:43Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - Agriculture-Vision: A Large Aerial Image Database for Agricultural
Pattern Analysis [110.30849704592592]
本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。
各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。
農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
論文 参考訳（メタデータ） (2020-01-05T20:19:33Z)
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。