論文の概要: A New Dataset and Comparative Study for Aphid Cluster Detection and Segmentation in Sorghum Fields
- arxiv url: http://arxiv.org/abs/2405.04305v1
- Date: Tue, 7 May 2024 13:27:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-08 14:00:34.886650
- Title: A New Dataset and Comparative Study for Aphid Cluster Detection and Segmentation in Sorghum Fields
- Title（参考訳）: Aphid Cluster Detection and Segmentation in Sorghum Fieldsの新しいデータセットと比較研究
- Authors: Raiyan Rahman, Christopher Indris, Goetz Bramesfeld, Tianxiao Zhang, Kaidong Li, Xiangyu Chen, Ivan Grijalva, Brian McCornack, Daniel Flippo, Ajay Sharda, Guanghui Wang,
- Abstract要約: アフィドの感染は小麦やソルガムの畑に大きな被害をもたらす主要な原因の1つである。
農家はしばしば、健康と環境に悪影響を及ぼす有害な農薬を非効率に利用する。
我々は,アフィドクラスタの検出とセグメンテーションのための大規模なマルチスケールデータセットを開発した。
- 参考スコア（独自算出の注目度）: 9.735484847744416
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aphid infestations are one of the primary causes of extensive damage to wheat and sorghum fields and are one of the most common vectors for plant viruses, resulting in significant agricultural yield losses. To address this problem, farmers often employ the inefficient use of harmful chemical pesticides that have negative health and environmental impacts. As a result, a large amount of pesticide is wasted on areas without significant pest infestation. This brings to attention the urgent need for an intelligent autonomous system that can locate and spray sufficiently large infestations selectively within the complex crop canopies. We have developed a large multi-scale dataset for aphid cluster detection and segmentation, collected from actual sorghum fields and meticulously annotated to include clusters of aphids. Our dataset comprises a total of 54,742 image patches, showcasing a variety of viewpoints, diverse lighting conditions, and multiple scales, highlighting its effectiveness for real-world applications. In this study, we trained and evaluated four real-time semantic segmentation models and three object detection models specifically for aphid cluster segmentation and detection. Considering the balance between accuracy and efficiency, Fast-SCNN delivered the most effective segmentation results, achieving 80.46% mean precision, 81.21% mean recall, and 91.66 frames per second (FPS). For object detection, RT-DETR exhibited the best overall performance with a 61.63% mean average precision (mAP), 92.6% mean recall, and 72.55 on an NVIDIA V100 GPU. Our experiments further indicate that aphid cluster segmentation is more suitable for assessing aphid infestations than using detection models.
- Abstract（参考訳）: アフィドの感染はコムギやソルガムの畑に大きな被害をもたらす主要な原因の1つであり、植物ウイルスの最も一般的なベクターの1つである。
この問題に対処するため、農家はしばしば、健康と環境に悪影響を及ぼす有害な農薬を非効率に利用する。
その結果,有意な害虫感染を伴わない地域では大量の殺虫剤が無駄にされる。
これにより、複雑な作物のキャノピー内で十分な量の大規模な寄生虫を発見・散布できるインテリジェントな自律システムの必要性に注意が向けられる。
我々は,アフィドクラスタの検出とセグメンテーションのための大規模データセットを開発し,実際のソルガムフィールドから収集し,アフィドのクラスタを含むように細心の注意を払って注釈付けした。
我々のデータセットは、54,742枚の画像パッチで構成され、様々な視点、様々な照明条件、複数のスケールを示し、現実世界のアプリケーションにおけるその有効性を強調している。
本研究では,アフィドクラスタのセグメンテーションと検出のための4つのリアルタイムセグメンテーションモデルと3つのオブジェクト検出モデルを訓練し,評価した。
精度と効率のバランスを考慮して、Fast-SCNNは80.46%の平均精度、81.21%平均リコール、91.66フレーム/秒(FPS)を達成した。
オブジェクト検出ではRT-DETRが61.63%の平均精度(mAP)、92.6%のリコール、72.55のNVIDIA V100 GPUで最高のパフォーマンスを示した。
さらに,アフィドクラスタのセグメンテーションは,検出モデルを用いた場合よりも,アフィドの感染を評価するのに適していることを示した。
関連論文リスト
- Multispectral Remote Sensing for Weed Detection in West Australian Agricultural Lands [3.6284577335311563]
オーストラリア西部のコンディニン地域は、広範囲にわたる雑草の寄生による農業上の大きな課題に直面しており、経済的損失と生態学的影響を引き起こしている。
本研究は, 精密農業の実践を促進するため, 雑草検出のための多スペクトルリモートセンシングフレームワークを構築した。
無人航空機は、4年間にわたって2つの実験領域から生のマルチスペクトルデータを収集するために用いられ、0.6046 km2をカバーし、地上の真実の注釈は、手動で雑草や作物をラベル付けするためにGPS対応車両で作成された。
論文 参考訳（メタデータ） (2025-02-12T07:01:42Z) - PlantSeg: A Large-Scale In-the-wild Dataset for Plant Disease Segmentation [37.383095056084834]
植物病データセットは一般的にセグメンテーションラベルを欠いている。
実験室の設定からの画像を含む典型的なデータセットとは異なり、PlanetSegは主に野生の植物病の画像で構成されている。
植物セグは11,400枚の画像と病気のセグメンテーションマスクと、植物の種類によって分類された8000枚の健康な植物画像が特徴である。
論文 参考訳（メタデータ） (2024-09-06T06:11:28Z) - HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using
Harvest Piles and Remote Sensing [50.4506590177605]
HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。
本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。
本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
論文 参考訳（メタデータ） (2023-08-23T11:03:28Z) - Aphid Cluster Recognition and Detection in the Wild Using Deep Learning
Models [17.65292847038642]
アフィドの寄生は作物生産、農村社会、世界の食料安全保障に重大な脅威をもたらす。
本稿では,アフィドクラスタの検出にディープラーニングモデルを用いることに主眼を置いている。
そこで本研究では,アフィドクラスターの検出により感染レベルを推定する手法を提案する。
論文 参考訳（メタデータ） (2023-08-10T23:53:07Z) - On the Real-Time Semantic Segmentation of Aphid Clusters in the Wild [13.402804225093801]
アフィドの感染は小麦やソルガムの畑に大きな損傷を与え、植物ウイルスを拡散させる。
農夫はしばしば化学殺虫剤を頼りにしており、これは田畑の広い範囲で非効率に適用される。
本稿では,アフィドのクラスタ分割にリアルタイムセマンティックセマンティックセマンティクスモデルを適用することを提案する。
論文 参考訳（メタデータ） (2023-07-17T19:04:39Z) - A New Dataset and Comparative Study for Aphid Cluster Detection [17.65292847038642]
アフィドは作物、農村の家族、そして世界の食料安全保障に対する主要な脅威の1つである。
アフィドの感染を正確に特定し レベルを推定することは 農薬の正確な局所的応用に 不可欠です
我々は,ソリガムフィールドで何百万枚もの画像を撮影し,手動でアフィドを含む5,447枚の画像を選択し,画像中の各アフィドクラスタに注釈を付けた。
論文 参考訳（メタデータ） (2023-07-12T05:49:21Z) - 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) - High performing ensemble of convolutional neural networks for insect
pest image detection [124.23179560022761]
害虫の寄生は作物の被害の主な原因であり、世界中の収入を失った。
我々は異なるトポロジに基づいてCNNのアンサンブルを生成する。
ディープネットワーク最適化のための2つの新しいAdamアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-08-28T00:49:11Z) - An Efficient Insect Pest Classification Using Multiple Convolutional
Neural Network Based Models [0.3222802562733786]
昆虫の分類は、様々な種類、スケール、形状、フィールドの複雑な背景、昆虫種間の外観的類似性から難しい課題である。
本研究では、注目、特徴ピラミッド、きめ細かいモデルを含む、さまざまな畳み込みニューラルネットワークベースのモデルを提示する。
実験の結果、これらの畳み込みニューラルネットワークベースのモデルを組み合わせることで、これらの2つのデータセットの最先端の手法よりもパフォーマンスが向上することが示された。
論文 参考訳（メタデータ） (2021-07-26T12:53:28Z) - One-Shot Learning with Triplet Loss for Vegetation Classification Tasks [45.82374977939355]
三重項損失関数は、ワンショット学習タスクの精度を大幅に向上できる選択肢の1つである。
2015年からは、多くのプロジェクトがシームズネットワークとこの種の損失を顔認識とオブジェクト分類に利用している。
論文 参考訳（メタデータ） (2020-12-14T10:44:22Z) - Pollen13K: A Large Scale Microscope Pollen Grain Image Dataset [63.05335933454068]
この研究は、1万3千以上の天体を含む最初の大規模花粉画像データセットを提示する。
本稿では, エアロバイオロジカルサンプリング, 顕微鏡画像取得, 物体検出, セグメンテーション, ラベル付けなど, 採用データ取得のステップに注目した。
論文 参考訳（メタデータ） (2020-07-09T10:33:31Z)
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。