論文の概要: Precision Soil Quality Analysis Using Transformer-based Data Fusion Strategies: A Systematic Review
- arxiv url: http://arxiv.org/abs/2410.18353v1
- Date: Thu, 24 Oct 2024 01:26:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-25 12:49:23.151776
- Title: Precision Soil Quality Analysis Using Transformer-based Data Fusion Strategies: A Systematic Review
- Title（参考訳）: 変圧器を用いたデータ融合手法による土壌の精密品質解析:システムレビュー
- Authors: Mahdi Saki, Rasool Keshavarz, Daniel Franklin, Mehran Abolhasan, Justin Lipman, Negin Shariati,
- Abstract要約: 本稿では,農業リモートセンシング(RS)におけるトランスフォーマーを用いたデータ融合技術の最近の進歩を概観する。
2022年以降、トランスフォーマーは従来のディープラーニングと機械学習の手法を大きく上回っていることを実証した。
このレビューは、作物の生産性を最適化し、持続可能な農業慣行を確実にする上で、土壌条件の重要性から、特に土壌分析に焦点を当てている。
- 参考スコア（独自算出の注目度）: 6.184871136700834
- License:
- Abstract: This review explores the most recent advancements in transformer-based data fusion techniques in agricultural remote sensing (RS), with a particular focus on soil analysis. Utilizing a systematic, data-driven approach, we demonstrate that transformers have significantly outperformed conventional deep learning and machine learning methods since 2022, achieving prediction performance between 92% and 97%. The review is specifically focused on soil analysis, due to the importance of soil condition in optimizing crop productivity and ensuring sustainable farming practices. Transformer-based models have shown remarkable capabilities in handling complex multivariate soil data, improving the accuracy of soil moisture prediction, soil element analysis, and other soil-related applications. This systematic review primarily focuses on 1) analysing research trends and patterns in the literature, both chronologically and technically, and 2) conducting a comparative analysis of data fusion approaches, considering factors such as data types, techniques, and RS applications. Finally, we propose a roadmap for implementing data fusion methods in agricultural RS.
- Abstract（参考訳）: 本稿では,農業リモートセンシング(RS)におけるトランスフォーマーを用いたデータ融合技術の最近の進歩について,特に土壌分析に焦点をあてて検討する。
体系的なデータ駆動型アプローチを用いることで、2022年以降、トランスフォーマーは従来のディープラーニングと機械学習の手法を大きく上回っており、予測性能は92%から97%である。
このレビューは、作物の生産性を最適化し、持続可能な農業慣行を確実にする上で、土壌条件の重要性から、特に土壌分析に焦点を当てている。
変圧器を用いたモデルでは, 複雑な多変量土壌データの処理, 土壌水分予測の精度向上, 土壌元素分析, その他の土壌関連応用において, 顕著な能力を示した。
この体系的なレビューは主に焦点をあてる
1)文献における研究動向とパターンの分析(年代・技術ともに)
2)データタイプ,テクニック,RSアプリケーションなどの要因を考慮し,データ融合アプローチの比較分析を行う。
最後に,農業用RSにおけるデータ融合手法の実装に関するロードマップを提案する。
関連論文リスト
- The Effect of Different Optimization Strategies to Physics-Constrained
Deep Learning for Soil Moisture Estimation [5.804881282638357]
水輸送と水感知信号に関する物理に基づく原理を統合するために,物理制約付き深層学習(P-DL)フレームワークを提案する。
実験的な収束関数Adamsは、ミニバッチとフルバッチのトレーニングの両方において、他の最適化手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-03-13T00:32:30Z) - Importance-Aware Adaptive Dataset Distillation [53.79746115426363]
ディープラーニングモデルの開発は、大規模データセットの可用性によって実現されている。
データセットの蒸留は、大きな元のデータセットから必須情報を保持するコンパクトなデータセットを合成することを目的としている。
本稿では, 蒸留性能を向上する重要適応型データセット蒸留(IADD)法を提案する。
論文 参考訳（メタデータ） (2024-01-29T03:29:39Z) - Predicting Crop Yield With Machine Learning: An Extensive Analysis Of
Input Modalities And Models On a Field and sub-field Level [24.995959334158986]
我々は,高解像度の収量マップを地中真理データとして使用し,サブフィールドレベルでの作物および機械学習モデルの訓練を行う。
我々は、天気、土壌、DEMデータを含む他の相補的なモダリティを含む入力データの一次モダリティとしてSentinel-2衛星画像を使用する。
提案手法は,グローバルな範囲で利用可能な入力モダリティを用いて,グローバルな拡張性を実現する。
論文 参考訳（メタデータ） (2023-08-17T12:40:38Z) - SSL-SoilNet: A Hybrid Transformer-based Framework with Self-Supervised Learning for Large-scale Soil Organic Carbon Prediction [2.554658234030785]
本研究は,自己指導型コントラスト学習を通じて,マルチモーダル特徴間の地理的関連を学習することを目的とした,新しいアプローチを提案する。
提案手法は、2つの異なる大規模データセットに対して厳密なテストを行っている。
論文 参考訳（メタデータ） (2023-08-07T13:44:44Z) - Minimizing the Accumulated Trajectory Error to Improve Dataset
Distillation [151.70234052015948]
本稿では,フラットな軌道を求める最適化アルゴリズムを提案する。
合成データに基づいてトレーニングされた重みは、平坦な軌道への正規化を伴う累積誤差摂動に対して頑健であることを示す。
本手法はFTD (Flat Trajectory Distillation) と呼ばれ, 勾配整合法の性能を最大4.7%向上させる。
論文 参考訳（メタデータ） (2022-11-20T15:49:11Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳（メタデータ） (2021-02-15T10:37:52Z) - Using vis-NIRS and Machine Learning methods to diagnose sugarcane soil
chemical properties [0.0]
化学土壌の特性を知ることは、作物管理と総収量生産において決定的である。
従来の資産推定手法は時間がかかり、複雑な実験室のセットアップを必要とする。
スペクトル信号(vis-NIRS)からの物性推定は、低コストで非侵襲的で非破壊的な代替手段として現れた。
論文 参考訳（メタデータ） (2020-12-23T21:46:41Z) - 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) - DAGA: Data Augmentation with a Generation Approach for Low-resource
Tagging Tasks [88.62288327934499]
線形化ラベル付き文に基づいて訓練された言語モデルを用いた新しい拡張手法を提案する。
本手法は, 教師付き設定と半教師付き設定の両方に適用可能である。
論文 参考訳（メタデータ） (2020-11-03T07:49:15Z) - 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。