論文の概要: WeedScout: Real-Time Autonomous blackgrass Classification and Mapping using dedicated hardware
- arxiv url: http://arxiv.org/abs/2405.07349v1
- Date: Sun, 12 May 2024 18:04:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-14 15:24:35.419013
- Title: WeedScout: Real-Time Autonomous blackgrass Classification and Mapping using dedicated hardware
- Title（参考訳）: WeedScout:専用ハードウェアを用いたリアルタイム自動ブラックグラス分類とマッピング
- Authors: Matthew Gazzard, Helen Hicks, Isibor Kennedy Ihianle, Jordan J. Bird, Md Mahmudul Hasan, Pedro Machado,
- Abstract要約: WeedScoutプロジェクトがRT-ABGCM(Real-Rime Autonomous Black-Grass Classification and Mapping)を導入
システムはライブイメージフィードを処理し、ブラックグラス密度を推測し、成熟の2段階をカバーする。
推論速度とモデルパフォーマンスを最適化することにより、プロジェクトはAIを農業プラクティスに統合する。
- 参考スコア（独自算出の注目度）: 1.1859244973229535
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Blackgrass (Alopecurus myosuroides) is a competitive weed that has wide-ranging impacts on food security by reducing crop yields and increasing cultivation costs. In addition to the financial burden on agriculture, the application of herbicides as a preventive to blackgrass can negatively affect access to clean water and sanitation. The WeedScout project introduces a Real-Rime Autonomous Black-Grass Classification and Mapping (RT-ABGCM), a cutting-edge solution tailored for real-time detection of blackgrass, for precision weed management practices. Leveraging Artificial Intelligence (AI) algorithms, the system processes live image feeds, infers blackgrass density, and covers two stages of maturation. The research investigates the deployment of You Only Look Once (YOLO) models, specifically the streamlined YOLOv8 and YOLO-NAS, accelerated at the edge with the NVIDIA Jetson Nano (NJN). By optimising inference speed and model performance, the project advances the integration of AI into agricultural practices, offering potential solutions to challenges such as herbicide resistance and environmental impact. Additionally, two datasets and model weights are made available to the research community, facilitating further advancements in weed detection and precision farming technologies.
- Abstract（参考訳）: クログラス(Alopecurus myosuroides)は、作物の収穫量を減らし、栽培コストを増大させることで、食品の安全性に広範囲に影響を及ぼす競争雑草である。
農業の財政的負担に加えて、黒草への除草剤としての除草剤の応用は、清潔な水や衛生へのアクセスに悪影響を及ぼす可能性がある。
WeedScoutプロジェクトは、黒草のリアルタイム検出に適した最先端ソリューションであるRT-ABGCM(Real-Rime Autonomous Black-Grass Classification and Mapping)を導入し、精密雑草管理を実践している。
人工知能(AI)アルゴリズムを活用することで、システムはライブイメージフィードを処理し、ブラックグラス密度を推測し、成熟の2段階をカバーする。
この研究は、YOLO(You Only Look Once)モデル、具体的には、NVIDIA Jetson Nano (NJN)でエッジで加速されたYOLOv8とYOLO-NASの合理化について調査している。
推論速度とモデルパフォーマンスを最適化することにより、プロジェクトはAIを農業プラクティスに統合し、除草剤耐性や環境影響といった課題に対する潜在的な解決策を提供する。
さらに、2つのデータセットとモデルウェイトが研究コミュニティに提供され、雑草の検出と精密農業技術のさらなる進歩を促進する。
関連論文リスト
- BonnBot-I Plus: A Bio-diversity Aware Precise Weed Management Robotic Platform [2.3961612657966946]
本稿では, ボン大学クライン・アルテンドルフ校における雑草管理アルゴリズムの最近の進歩と, bbotの実際の性能について述べる。
本報告では,BonnBot-Is雑草監視部における新たなローリングビュー観測モデルについて述べる。
われわれは、精密雑草ロボットが、雑草のシナリオに挑戦する上で、生物多様性に配慮した懸念をどのように考慮するかを初めて示した。
論文 参考訳（メタデータ） (2024-05-15T06:23:59Z) - Multispectral Fine-Grained Classification of Blackgrass in Wheat and Barley Crops [2.580056799681784]
ブラックグラス(Blackgrass)は、ヨーロッパ北西部の穀物に特に問題を引き起こす草の雑草である。
マシンビジョンとマルチスペクトルイメージングを用いて,黒草を識別するための最先端手法の有効性について検討した。
論文 参考訳（メタデータ） (2024-05-03T16:23:41Z) - Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。
我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
論文 参考訳（メタデータ） (2024-03-27T08:42:47Z) - Early Detection of Late Blight Tomato Disease using Histogram Oriented Gradient based Support Vector Machine [2.3210922904864955]
本研究は,トマトの遅発性病を早期に検出するための新しいスマート技術を提案する。
提案したSVMとHOGのハイブリッドアルゴリズムは,トマトの遅発性病の早期発見に有意な可能性を秘めている。
論文 参考訳（メタデータ） (2023-06-14T07:58:14Z) - Revolutionizing Agrifood Systems with Artificial Intelligence: A Survey [93.34268594812599]
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) - Automated Wheat Disease Detection using a ROS-based Autonomous Guided
UAV [0.0]
小麦畑のモニタリング作業を自動化するために、無人航空機にスマート自律システムが実装されている。
画像に基づくディープラーニングアプローチは、病気に感染した小麦の植物を検出し分類するために用いられる。
ロボットオペレーティングシステムとガゼボ環境におけるシミュレーションを用いて,マッピングとナビゲーションシステムを提案する。
論文 参考訳（メタデータ） (2022-06-30T06:12:48Z) - SSM-DTA: Breaking the Barriers of Data Scarcity in Drug-Target Affinity
Prediction [127.43571146741984]
薬物標的親和性(DTA)は、早期の薬物発見において極めて重要である。
湿式実験は依然として最も信頼性の高い方法であるが、時間と資源が集中している。
既存の手法は主に、データ不足の問題に適切に対処することなく、利用可能なDTAデータに基づく技術開発に重点を置いている。
SSM-DTAフレームワークについて述べる。
論文 参考訳（メタデータ） (2022-06-20T14:53:25Z) - Deep-CNN based Robotic Multi-Class Under-Canopy Weed Control in
Precision Farming [2.6085535710135654]
リアルタイム多クラス雑草識別は雑草の種特異的な処理を可能にし、除草剤の使用量を著しく減少させる。
本稿では,5つのベンチマークCNNモデルを用いた分類性能のベースラインを提案する。
我々はMobileNetV2を、リアルタイム雑草検出のためのコンパクトな自律ロボットTextitSAMBotにデプロイする。
論文 参考訳（メタデータ） (2021-12-28T03:51:55Z) - 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) - Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。
衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
論文 参考訳（メタデータ） (2020-07-07T12:44:17Z)
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。