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/2404.14653v3
• Date: Mon, 18 Nov 2024 06:03:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:30:31.075357
• 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, 葉の色変化と葉の窒素含量との相関を定量化するための機械ビジョンに基づくシステムについて検討した。 画像データセットは2021年秋から2023年秋の5週間にわたって、地上の車両をベースとした立体視センサーを用いて商業用果樹園で収集された。 葉の窒素濃度が低い木は、高い窒素濃度の木よりも早く黄色に変化した。
• 参考スコア（独自算出の注目度）: 2.9103536318221974
• License:
• Abstract: Apple(\textit{Malus domestica} Borkh.) trees are deciduous, shedding leaves each year. This process is preceded by a gradual change in leaf color from green to yellow as chlorophyll is degraded prior to abscission. The initiation and rate of this color change are affected by many factors including leaf nitrogen (N) concentration. We predict that leaf color during this transition may be indicative of the nitrogen status of apple trees. This study assesses a machine vision-based system for quantifying the change in leaf color and its correlation with leaf nitrogen content. An image dataset was collected in color and 3D over five weeks in the fall of 2021 and 2023 at a commercial orchard using a ground vehicle-based stereovision sensor. Trees in the foreground were segmented from the point cloud using color and depth thresholding methods. Then, to estimate the proportion of yellow leaves per canopy, 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). Both K-means-based methods and gradient boosting methods were used to estimate the \textit{yellowness index}. The gradient boosting based method proposed in this study was better than the K-means-based method (both in terms of computational time and accuracy), achieving an $R^2$ of 0.72 in estimating the \textit{yellowness index}. The metric was able to capture the gradual color transition from green to yellow over the study duration. Trees with lower leaf nitrogen showed the color transition to yellow earlier than the trees with higher nitrogen. Keywords: Fruit Tree Nitrogen Management, Machine Vision, Point Cloud Segmentation, Precision Nitrogen Management
• Abstract（参考訳）: Apple(\textit{Malus domestica} Borkh 木は落葉性で、毎年葉をまき散らしている。 このプロセスは、葉の色が緑から黄色に徐々に変化し、クロロフィルは断食前に分解される。 この色変化の開始と速度は、葉窒素(N)濃度を含む多くの要因に影響される。 この移行過程における葉の色は,リンゴの窒素状態を示す可能性があると予測した。 本研究は, 葉の色変化と葉の窒素含量との相関を定量化するための機械ビジョンに基づくシステムについて検討した。 画像データセットは2021年秋から2023年秋の5週間にわたって、地上の車両をベースとした立体視センサーを用いて商業用果樹園で収集された。 前景の樹木は、色と深さの閾値法を用いて点雲から区分けされた。 次に, キャノピーあたりの黄色葉の比率を推定するために, 偏平面積の色情報を, -1から+1(完全緑色, +1は完全黄色)に変化した, カスタム定義の指標である<textit{yellowness index}(木中の黄色と緑の葉の正規化比率)を用いて定量化した。 K平均法と勾配促進法の両方を用いて, textit{yellowness index} を推定した。 本研究で提案した勾配押し上げ法はK平均法(計算時間と精度の両面で)より優れており, textit{yellowness index} を推定する際には$R^2$.72であった。 測定基準は、研究期間を通じて緑から黄色への段階的な色変化を捉えた。 葉の窒素濃度が低い木は、高い窒素濃度の木よりも早く黄色に変化した。 キーワード:フルーツツリー窒素管理、マシンビジョン、ポイントクラウドセグメンテーション、精密窒素管理

関連論文リスト

• AgRegNet: A Deep Regression Network for Flower and Fruit Density Estimation, Localization, and Counting in Orchards [3.0988265713549428]
  本稿では,樹木果樹冠内の花と果実の密度,数,位置を推定する,深い回帰に基づくネットワークAgRegNetを提案する。 一般的なU-NetアーキテクチャにインスパイアされたAgRegNetは、エンコーダからデコーダへのスキップ接続と、エンコーダ機能抽出器としてConvNeXt-Tを改良したU字型ネットワークである。
  論文  参考訳（メタデータ） (2024-09-25T22:19:32Z)
• Multi-step prediction of chlorophyll concentration based on Adaptive Graph-Temporal Convolutional Network with Series Decomposition [11.090455139282883]
  本稿では,時系列分解適応グラフ時間畳み込みネットワーク(AGTCNSD)予測モデルを提案する。 グラフ畳み込みニューラルネットワークに基づいて水質パラメータデータをモデル化し、パラメータ埋め込み行列を定義する。 モデルの有効性は, ベイハイの水質データによって検証された。
  論文  参考訳（メタデータ） (2023-09-13T02:15:02Z)
• 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)
• SoftTreeMax: Policy Gradient with Tree Search [72.9513807133171]
  我々は、ツリー検索をポリシー勾配に統合する最初のアプローチであるSoftTreeMaxを紹介します。 Atariでは、SoftTreeMaxが分散PPOと比較して、実行時のパフォーマンスを最大5倍向上させる。
  論文  参考訳（メタデータ） (2022-09-28T09:55:47Z)
• An Effective Leaf Recognition Using Convolutional Neural Networks Based Features [1.137457877869062]
  本稿では,葉の認識に有効な手法を提案する。 葉はいくつかの前処理を経て、精製された色画像、静脈像、xy投影ヒストグラム、手作りの形状、テクスチャの特徴、フーリエディスクリプタを抽出する。 これらの属性は、サポートベクターマシン(SVM)モデルを使用して異なる葉を分類する前に、ニューラルネットワークベースのエンコーダによってより良い表現に変換される。
  論文  参考訳（メタデータ） (2021-08-04T02:02:22Z)
• 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 procedure for automated tree pruning suggestion using LiDAR scans of fruit trees [0.0]
  果樹栽培において、刈り込みは過密化を防ぎ、光への天蓋のアクセスを改善し、再成長を促進するための重要な管理手法である。 本稿では,LiDARをスキャンした市販果樹の採種戦略を採点関数を用いて提案する枠組みを提案する。 光の分布は25.15%向上し、実木での商業的な刈り取りよりも16%向上した。
  論文  参考訳（メタデータ） (2021-02-07T02:18:56Z)
• 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)
• Strongly Incremental Constituency Parsing with Graph Neural Networks [70.16880251349093]
  文を構文木にパースすることは、NLPの下流アプリケーションに恩恵をもたらす。 トランジッションベースは、状態遷移システムでアクションを実行することでツリーを構築する。 既存のトランジションベースは主にシフト・リデュース・トランジション・システムに基づいている。
  論文  参考訳（メタデータ） (2020-10-27T19:19:38Z)
• Stem-leaf segmentation and phenotypic trait extraction of maize shoots from three-dimensional point cloud [8.392251372468412]
  本稿では, 骨格抽出, 骨格に基づく粗い部分分割, 茎葉分類に基づく細部分分割の3段階からなる自動茎葉分割法を提案する。 植物の高さ、樹冠径、茎の高さと直径、葉の幅と長さを含む6つの表現型パラメータを正確に自動測定することができる。 提案したアルゴリズムは、完全に拡張された葉だけでなく、新しい葉をまとめて閉じることもできる。
  論文  参考訳（メタデータ） (2020-09-07T13:58:09Z)
• Dynamically Adjusting Transformer Batch Size by Monitoring Gradient Direction Change [69.40942736249397]
  バッチサイズの増加が勾配方向に与える影響を分析する。 本稿では,勾配の安定性を角度変化で評価する。 トレーニング中の適切なバッチサイズと効率的なバッチサイズを動的に決定する。
  論文  参考訳（メタデータ） (2020-05-05T08:47:34Z)

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。