論文の概要: Machine Vision-Based Assessment of Fall Color Changes and its Relationship with Leaf Nitrogen Concentration

• arxiv url: http://arxiv.org/abs/2404.14653v2
• Date: Sat, 28 Sep 2024 22:30:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-01 22:01:00.686472
• Title: Machine Vision-Based Assessment of Fall Color Changes and its Relationship with Leaf Nitrogen Concentration
• Title（参考訳）: 機械ビジョンによる秋色変化の評価と葉窒素濃度との関係
• Authors: Achyut Paudel, Jostan Brown, Priyanka Upadhyaya, Atif Bilal Asad, Safal Kshetri, Joseph R. Davidson, Cindy Grimm, Ashley Thompson, Bernardita Sallato, Matthew D. Whiting, Manoj Karkee,
• Abstract要約: 本研究は,秋期における葉の色のタイミングと変化を定量化するマシンビジョンに基づくシステムに焦点を当てた。 本研究では,2021年秋から2023年秋にかけて,商業用果樹園で5週間にわたって,色と3D画像のデータセットを収集した。
• 参考スコア（独自算出の注目度）: 2.9103536318221974
• License:
• Abstract: Apple trees, being deciduous, shed leaves each year. This process is preceded by the change in leaf color from green to yellow (also known as senescence) during the fall season. The rate and timing of color change are affected by factors including nitrogen (N) concentration in leaves. The green color of leaves and the speed at which it turns yellow during senescence are highly dependent on chlorophyll content, which in turn depends on nitrogen concentration in the leaves. The assessment of leaf color during this period can therefore provide important information on the nitrogen status of apple trees. This study focused on a machine vision-based system to quantify the timing and change in leaf color during the fall and correlate that information to leaf nitrogen content. The color and 3D image dataset used in this study was collected over five weeks in the fall of 2021 and 2023 at a commercial orchard (tall spindle architecture) using a ground-vehicle-based stereo vision sensor. First, the point cloud obtained from the sensor was used to segment the tree canopies using color and depth thresholding methods in the natural orchard environment. Then, the color information of the segmented canopy area was quantified using a custom-defined metric, \textit{yellowness index} (a normalized ratio of yellow to green foliage in the tree) that varied from $-1$ to $+1$ ($-1$ being completely green and $+1$ being completely yellow), which gives the proportion of yellow leaves on a tree. A K-means-based method and a gradient boosting method were used to estimate the \textit{yellowness index}. The gradient boosting method proposed in this study was found to be superior to the K-means-based method, achieving an $R^2$ of 0.72 in estimating the \textit{yellowness index}. The results showed that the metric was able to capture the gradual color transition from green to yellow over the study period.
• Abstract（参考訳）: アップルツリーは落葉樹で、毎年枯れています。 このプロセスは、秋季に葉の色が緑から黄色(老化とも)に変わるのに先立って行われる。 葉の色変化の速度とタイミングは窒素(N)濃度を含む要因によって影響を受ける。 葉の緑色と、老化時に黄色に変わる速度は、葉中の窒素濃度に依存するクロロフィル量に大きく依存する。 この期間の葉の色の評価は、リンゴの窒素状態に関する重要な情報を提供することができる。 本研究は,秋期における葉の色の変化とタイミングを定量化し,その情報を葉の窒素含量と相関付けるマシンビジョンに基づくシステムに焦点を当てた。 2021年秋から2023年秋にかけて,地上車を用いた立体視センサを用いた商業用果樹園(全軸構造)で,色と3D画像のデータセットを5週間にわたって収集した。 まず, センサから得られる点雲を用いて, 自然果樹園環境における着色・深度閾値法を用いて, 樹冠を分割した。 次に, 木上の黄色葉の割合は, 1$から1$(完全緑),+1$(完全緑),+1$(完全黄色)まで様々であった。 K平均法と勾配押し上げ法を用いて, <textit{yellowness index} を推定した。 本研究で提案した勾配促進法はK平均法よりも優れており, textit{yellowness index} を推定するために$R^2$ of 0.72が得られた。 その結果,緑から黄色への段階的な色変化を観察できた。

関連論文リスト

• Inferring the relationship between soil temperature and the normalized difference vegetation index with machine learning [0.3613661942047476]
  気候の変化は植物の表現学に大きく影響し、重要なフィードバック効果をもたらす可能性がある。 本研究では,土壌温度が季節開始時期に及ぼす影響について検討した。 また, 気温, 降水量, 照度などの気象変動が植生現象学の年次変動に与える影響についても検討した。
  論文  参考訳（メタデータ） (2023-12-19T15:43:50Z)
• Unified View of Damage leaves Planimetry & Analysis Using Digital Images Processing Techniques [0.0]
  本稿では,画像処理技術を用いて植物葉病の同定を試みる。 本研究はキツネ葉カンカー病の検出に焦点をあてる。
  論文  参考訳（メタデータ） (2023-06-29T07:15:45Z)
• SoftTreeMax: Exponential Variance Reduction in Policy Gradient via Tree Search [68.66904039405871]
  我々は,計画を考慮したソフトマックスの一般化であるSoftTreeMaxを紹介する。 この分散を緩和する上で,木の拡大政策が果たす役割を初めて示す。 我々の分化可能なツリーベースのポリシーは、従来の単一サンプルベースの勾配ではなく、各環境における木の葉のすべての勾配を利用する。
  論文  参考訳（メタデータ） (2023-01-30T19:03:14Z)
• Name Your Colour For the Task: Artificially Discover Colour Naming via Colour Quantisation Transformer [62.75343115345667]
  そこで本研究では,色空間を定量化しつつ,画像上での認識を維持しつつ,色空間を定量化する新しい色量子化変換器CQFormerを提案する。 人工色システムと人間の言語における基本色用語との一貫性のある進化パターンを観察する。 我々のカラー量子化法は、画像記憶を効果的に圧縮する効率的な量子化法も提供する。
  論文  参考訳（メタデータ） (2022-12-07T03:39:18Z)
• 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)
• Using depth information and colour space variations for improving outdoor robustness for instance segmentation of cabbage [62.997667081978825]
  本研究は, 異なる環境条件下での作物のインスタンスセグメンテーションの改善に焦点をあてる。 深度情報と異なる色空間表現の影響を分析した。 その結果,色情報と組み合わせることでセグメンテーション精度が7.1%向上した。
  論文  参考訳（メタデータ） (2021-03-31T09:19:12Z)
• A CNN Approach to Simultaneously Count Plants and Detect Plantation-Rows from UAV Imagery [56.10033255997329]
  畳み込みニューラルネットワーク(CNN)を用いた新しい深層学習手法を提案する。 高度に乾燥したプランテーション構成を考慮した植物を数えながら、同時にプランテーション・ロウを検出し、配置する。 提案手法は、異なる種類の作物のUAV画像において、植物と植物をカウントおよびジオロケートするための最先端の性能を達成した。
  論文  参考訳（メタデータ） (2020-12-31T18:51:17Z)
• A Review of Visual Descriptors and Classification Techniques Used in Leaf Species Identification [0.0]
  植物学における主要な研究分野は、植物種同定、高スペクトル画像を用いた雑草分類、植物の健康状態のモニタリング、葉の生長の追跡、葉情報の意味論的解釈などである。 植物学者は、葉の形状、先端、基部、葉の縁、葉の静脈、葉のテクスチャと複合葉の葉の配置を区別することで、植物種を識別し易い。 特定の種、それらに影響を与える病気、葉の成長パターンなどを精査するために、葉を認識して特徴付けるインテリジェントなシステムが必要である。
  論文  参考訳（メタデータ） (2020-09-13T14:11:00Z)
• Hyperspectral Imaging to detect Age, Defects and Individual Nutrient Deficiency in Grapevine Leaves [9.442941905605586]
  ハイパースペクトル(HS)イメージングは380nmから1000nmの範囲でうまく利用された。 年齢検出のために、多くの健康なブドウの葉の外観を調べた。 視覚障害のある葉は健康な葉と比較された。 また, コントロール葉と個々の栄養不足葉(N, K, Mg)も分析した。
  論文  参考訳（メタデータ） (2020-07-10T06:42:24Z)
• 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)
• A Novel Technique Combining Image Processing, Plant Development Properties, and the Hungarian Algorithm, to Improve Leaf Detection in Maize [2.294014185517203]
  本研究の目的は,高品質な室内画像の時間的シーケンスから葉の位置(および数)を特定することである。 画像にセグメンテーションを使用し、凸体を使って各ステップで最高のビューを選択し、次に対応する画像のスケルトン化を行う。 時間ステップごとに、葉はグラフ理論のハンガリーのアルゴリズムを用いて、前日と次の3日間の葉と一致した。
  論文  参考訳（メタデータ） (2020-05-18T18:43:50Z)

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。