論文の概要: Prediction of soil fertility parameters using USB-microscope imagery and portable X-ray fluorescence spectrometry
- arxiv url: http://arxiv.org/abs/2404.12415v2
- Date: Thu, 5 Sep 2024 05:38:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-07 03:22:33.597582
- Title: Prediction of soil fertility parameters using USB-microscope imagery and portable X-ray fluorescence spectrometry
- Title（参考訳）: USB顕微鏡画像と携帯型蛍光X線分析による土壌肥厚パラメータの予測
- Authors: Shubhadip Dasgupta, Satwik Pate, Divya Rathore, L. G. Divyanth, Ayan Das, Anshuman Nayak, Subhadip Dey, Asim Biswas, David C. Weindorf, Bin Li, Sergio Henrique Godinho Silva, Bruno Teixeira Ribeiro, Sanjay Srivastava, Somsubhra Chakraborty,
- Abstract要約: 本研究では, 可搬型蛍光X線分析法と土壌画像解析による土壌の高速肥育性評価について検討した。
インド東部の多様な農業気候帯から採取した1,133個の土壌サンプルを分析した。
- 参考スコア（独自算出の注目度）: 3.431158134976364
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study investigated the use of portable X-ray fluorescence (PXRF) spectrometry and soil image analysis for rapid soil fertility assessment, with a focus on key indicators such as available boron (B), organic carbon (OC), available manganese (Mn), available sulfur (S), and the sulfur availability index (SAI). A total of 1,133 soil samples from diverse agro-climatic zones in Eastern India were analyzed. The research integrated color and texture features from microscopic soil images, PXRF data, and auxiliary soil variables (AVs) using a Random Forest model. Results showed that combining image features (IFs) with AVs significantly improved prediction accuracy for available B (R2 = 0.80) and OC (R2 = 0.88). A data fusion approach, incorporating IFs, AVs, and PXRF data, further enhanced predictions for available Mn and SAI, with R2 values of 0.72 and 0.70, respectively. The study highlights the potential of integrating these technologies to offer rapid, cost-effective soil testing methods, paving the way for more advanced predictive models and a deeper understanding of soil fertility. Future work should explore the application of deep learning models on a larger dataset, incorporating soils from a wider range of agro-climatic zones under field conditions.
- Abstract（参考訳）: 本研究は, 可溶性ホウ素 (B), 有機炭素 (OC), 可溶性マンガン (Mn), 可溶性硫黄 (S), 可溶性硫黄 (SAI) などの指標に着目し, 可溶性X線分析および土壌画像解析による土壌肥厚評価を行った。
インド東部の多様な農業気候帯から採取した1,133個の土壌サンプルを分析した。
この研究は、ランダムフォレストモデルを用いて、顕微鏡的な土壌画像、PXRFデータ、補助的な土壌変数(AV)から色とテクスチャを統合した。
その結果,画像特徴量(IFs)とAVsを組み合わせることで,B (R2 = 0.80) とOC (R2 = 0.88) の予測精度が有意に向上した。
IF、AV、PXRFデータを組み込んだデータ融合手法により、利用可能なMnとSAIの予測がさらに強化され、それぞれ0.72と0.70のR2値が得られた。
この研究は、これらの技術を統合して、迅速で費用効果の高い土壌試験方法を提供し、より高度な予測モデルと土壌の肥大性のより深い理解の道を開く可能性を強調している。
今後の研究は、広い範囲の農業気候帯の土壌をフィールド条件下で組み込んだ、より大規模なデータセットへのディープラーニングモデルの適用を検討すべきである。
関連論文リスト
- Enhancing Sentinel-2 Image Resolution: Evaluating Advanced Techniques based on Convolutional and Generative Neural Networks [44.99833362998488]
本稿では,高分解能化技術を用いてスペクトル情報を含むセンチネル2バンドにおける空間分解能の2。
最先端CNNモデルは、品質と実現可能性の観点から強化されたGANアプローチと比較される。
GANベースのモデルは、明瞭で詳細な画像を提供するだけでなく、定量的評価の観点からも優れた性能を示す。
論文 参考訳（メタデータ） (2024-10-01T08:56:46Z) - A Novel Fusion of Optical and Radar Satellite Data for Crop Phenology Estimation using Machine Learning and Cloud Computing [0.0]
大地観測データユビキティの時代には、リモートセンシングデータに基づいて作物の表現学を正確に予測する試みが試みられている。
そこで我々は,新しい枠組みを用いて,ドイツ全土の8大作物と13の表現学的発達を30mスケールで推定した。
論文 参考訳（メタデータ） (2024-08-16T13:44:35Z) - A text-based, generative deep learning model for soil reflectance spectrum simulation in the VIS-NIR (400-2499 nm) bands [1.6114012813668932]
本稿では,土壌特性入力に基づく土壌反射スペクトルシミュレーションのためのデータ駆動型土壌光学生成モデル(SOGM)を提案する。
このモデルは、17のデータセットから約180,000の土壌スペクトル-プロパティペアからなる広範囲なデータセットに基づいて訓練される。
PROSAILのようなリモートセンシング研究に使用される土壌・植物放射線モデルと容易に統合できる。
論文 参考訳（メタデータ） (2024-05-02T07:34:12Z) - Rapid detection of soil carbonates by means of NIR spectroscopy, deep
learning methods and phase quantification by powder Xray diffraction [0.0]
FT NIR分光法と深層学習法を用いて土壌中の炭酸塩濃度を迅速かつ効率的に予測する方法を提案する。
1)回帰器、2)CNNなど複数の機械学習手法を利用して、それらの性能を従来のMLアルゴリズムと比較した。
論文 参考訳（メタデータ） (2023-07-23T14:32:07Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - Plant species richness prediction from DESIS hyperspectral data: A
comparison study on feature extraction procedures and regression models [1.8757823231879849]
本研究は,オーストラリア南東部の2種類の異なる生息地における植物種の豊かさを予測するためのDSISハイパースペクトルデータの有用性を定量的に評価した。
DESISスペクトル帯の相対的重要性分析により,赤縁,赤,青のスペクトル領域は,緑帯や近赤外帯よりも植物種の豊かさを予測する上で重要であることが示された。
論文 参考訳（メタデータ） (2023-01-05T05:33:56Z) - Deep Learning Models of the Discrete Component of the Galactic
Interstellar Gamma-Ray Emission [61.26321023273399]
H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。
深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
論文 参考訳（メタデータ） (2022-06-06T18:00:07Z) - Flexible Amortized Variational Inference in qBOLD MRI [56.4324135502282]
データから酸素抽出率(OEF)と脱酸素血液量(DBV)をより明瞭に決定する。
既存の推論手法では、DBVを過大評価しながら非常にノイズの多い、過小評価されたEFマップが得られる傾向にある。
本研究は, OEFとDBVの可算分布を推定できる確率論的機械学習手法について述べる。
論文 参考訳（メタデータ） (2022-03-11T10:47:16Z) - Total Nitrogen Estimation in Agricultural Soils via Aerial Multispectral
Imaging and LIBS [0.6875312133832077]
土壌の健康指標(SHIs)を測定する方法の多くは、内部の湿式化学または分光法に基づく方法である。
我々は,土壌の総窒素 (TN) を推定するために,UAV (Universal-time Unmanned Aviation Vehicle) を用いたマルチスペクトルセンシング (UMS) ソリューションを開発した。
論文 参考訳（メタデータ） (2021-07-06T02:37:30Z) - 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) - 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)
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。