論文の概要: VisTA-SR: Improving the Accuracy and Resolution of Low-Cost Thermal Imaging Cameras for Agriculture
- arxiv url: http://arxiv.org/abs/2405.19413v1
- Date: Wed, 29 May 2024 18:00:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-31 19:35:56.967904
- Title: VisTA-SR: Improving the Accuracy and Resolution of Low-Cost Thermal Imaging Cameras for Agriculture
- Title（参考訳）: VisTA-SR:農業用低速度撮像カメラの精度と分解能の向上
- Authors: Heesup Yun, Sassoum Lo, Christine H. Diepenbrock, Brian N. Bailey, J. Mason Earles,
- Abstract要約: 本稿では,農業用低コスト熱画像カメラの温度精度と画質を改善するためのアプローチを提案する。
この研究には、温度測定の校正と検証、ペア画像データセットの取得、農業用熱画像に適したディープラーニングネットワークの開発が含まれる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Thermal cameras are an important tool for agricultural research because they allow for non-invasive measurement of plant temperature, which relates to important photochemical, hydraulic, and agronomic traits. Utilizing low-cost thermal cameras can lower the barrier to introducing thermal imaging in agricultural research and production. This paper presents an approach to improve the temperature accuracy and image quality of low-cost thermal imaging cameras for agricultural applications. Leveraging advancements in computer vision techniques, particularly deep learning networks, we propose a method, called $\textbf{VisTA-SR}$ ($\textbf{Vis}$ual \& $\textbf{T}$hermal $\textbf{A}$lignment and $\textbf{S}$uper-$\textbf{R}$esolution Enhancement) that combines RGB and thermal images to enhance the capabilities of low-resolution thermal cameras. The research includes calibration and validation of temperature measurements, acquisition of paired image datasets, and the development of a deep learning network tailored for agricultural thermal imaging. Our study addresses the challenges of image enhancement in the agricultural domain and explores the potential of low-cost thermal cameras to replace high-resolution industrial cameras. Experimental results demonstrate the effectiveness of our approach in enhancing temperature accuracy and image sharpness, paving the way for more accessible and efficient thermal imaging solutions in agriculture.
- Abstract（参考訳）: 熱カメラは、植物温度の非侵襲的な測定を可能にするため、農業研究において重要なツールである。
低コストのサーマルカメラを利用することで、農業研究と生産におけるサーマルイメージング導入の障壁を低くすることができる。
本稿では,農業用低コスト熱画像カメラの温度精度と画質を改善するためのアプローチを提案する。
コンピュータビジョン技術、特にディープラーニングネットワークの進歩を活用して、RGBと熱画像を組み合わせた低解像度サーマルカメラの能力を高めるために、$\textbf{Vis}$ual \&$\textbf{T}$hermal $\textbf{A}$lignment and $\textbf{S}$uper-$\textbf{R}$esolution Enhancement)という手法を提案する。
この研究には、温度測定の校正と検証、ペア画像データセットの取得、農業用熱画像に適したディープラーニングネットワークの開発が含まれる。
本研究は,農業領域における画像強調の課題に対処し,高分解能産業用カメラに代わる低コスト熱カメラの可能性を探るものである。
実験により, 農業における温度精度と画像のシャープ性の向上に本手法が有効であることを示し, よりアクセスしやすく, 効率的な熱イメージングソリューションの確立を図った。
関連論文リスト
- Simultaneous temperature estimation and nonuniformity correction from
multiple frames [0.0]
低コストのマイクロボロメーターベースの赤外線カメラは、空間的に不均一であり、温度測定でドリフトする傾向がある。
低コストマイクロボロメータカメラで捉えた複数フレームからの同時温度推定と非均一性補正(NUC)のための新しい手法を提案する。
論文 参考訳（メタデータ） (2023-07-23T11:28:25Z) - Machine Learning and Thermography Applied to the Detection and
Classification of Cracks in Building [0.0]
この研究プロジェクトは、赤外線サーモグラフィと機械学習(ML)を組み合わせることで、ステークホルダーが既存の建物を再利用する可能性を決定することを目的としている。
この研究プロジェクトの特定のフェーズでは、コンボリューショナルニューラルネットワーク(DCNN)のイメージ分類機械学習モデルを使用して、1つの建物で3つのレベルの亀裂を区別しました。
論文 参考訳（メタデータ） (2022-12-30T14:16:24Z) - Recurrent Super-Resolution Method for Enhancing Low Quality Thermal
Facial Data [1.7289819674602296]
我々は,非冷却熱カメラから取得した低分解能熱画像データの品質を向上させるために,新しいマルチイメージ超解像リカレントニューラルネットワークを提案し,開発した。
このネットワークは、4倍の超高解像度の検証データセット上で平均ピーク信号とノイズ比を39.24で達成し、定量的にも定性的にもバイキュービックよりも優れていた。
論文 参考訳（メタデータ） (2022-09-21T16:44:06Z) - Machine Learning-Based Automated Thermal Comfort Prediction: Integration
of Low-Cost Thermal and Visual Cameras for Higher Accuracy [3.2872586139884623]
利用者の快適さに関するデータを提供するためには,リアルタイムフィードバックシステムが必要である。
非侵襲型サーマルスキャンに対して、より包括的視点をもたらすためには、新しいソリューションが必要である。
論文 参考訳（メタデータ） (2022-04-14T15:30:16Z) - Thermal to Visible Image Synthesis under Atmospheric Turbulence [67.99407460140263]
バイオメトリックスや監視では、低照度と夜間の条件下での撮像に熱画像モダリティがしばしば用いられる。
このような画像システムは、しばしば大気の乱れに悩まされ、撮像された画像に激しいぼやけや変形のアーチファクトをもたらす。
熱画像を直接可視光画像に変換するエンド・ツー・エンドの再構成法を提案する。
論文 参考訳（メタデータ） (2022-04-06T19:47:41Z) - Maximizing Self-supervision from Thermal Image for Effective
Self-supervised Learning of Depth and Ego-motion [78.19156040783061]
熱画像からの深度とエゴモーションの自己教師付き学習は、困難なシナリオ下で強い堅牢性と信頼性を示す。
弱いコントラスト、ぼやけたエッジ、ノイズなどの固有の熱画像特性は、熱画像から効果的な自己スーパービジョンを生成するために障害となる。
本研究では,時間的一貫性を維持しつつ,全体構造,コントラスト,詳細などの画像情報を大幅に向上させる有効熱画像マッピング手法を提案する。
論文 参考訳（メタデータ） (2022-01-12T09:49:24Z) - Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using
Meta-Learning [64.92447072894055]
赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。
既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。
KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
論文 参考訳（メタデータ） (2021-10-07T02:28:18Z) - 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) - A Large-Scale, Time-Synchronized Visible and Thermal Face Dataset [62.193924313292875]
DEVCOM Army Research Laboratory Visible-Thermal Faceデータセット(ARL-VTF)を発表します。
395人の被験者から50万枚以上の画像が得られたARL-VTFデータセットは、これまでで最大の可視画像とサーマルフェイス画像の収集データだ。
本論文では,ALL-VTFデータセットを用いたサーマルフェースランドマーク検出とサーマル・トゥ・ヴィジブルフェース検証のベンチマーク結果と分析について述べる。
論文 参考訳（メタデータ） (2021-01-07T17:17:12Z) - Online Photometric Calibration of Automatic Gain Thermal Infrared
Cameras [0.0]
サーマル赤外線カメラのオンラインフォトメトリック校正のためのアルゴリズムを紹介します。
提案手法は特別なドライバ/ハードウェアサポートを必要としない。
我々はこれを視覚計測とSLAMアルゴリズムの文脈で提示する。
論文 参考訳（メタデータ） (2020-12-07T17:51:54Z) - Exploring Thermal Images for Object Detection in Underexposure Regions
for Autonomous Driving [67.69430435482127]
アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。
サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。
本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-01T09:59:09Z)
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。