論文の概要: Automating grapevine LAI features estimation with UAV imagery and machine learning

• arxiv url: http://arxiv.org/abs/2411.17897v1
• Date: Tue, 26 Nov 2024 21:24:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-28 15:28:41.688521
• Title: Automating grapevine LAI features estimation with UAV imagery and machine learning
• Title（参考訳）: UAV画像と機械学習によるブドウLAIの自動評価
• Authors: Muhammad Waseem Akram, Marco Vannucci, Giorgio Buttazzo, Valentina Colla, Stefano Roccella, Andrea Vannini, Giovanni Caruso, Simone Nesi, Alessandra Francini, Luca Sebastiani,
• Abstract要約: 葉面積指数は作物の健康と成長を決定する。 従来の計算方法は、時間を費やし、破壊的であり、コストがかかり、スケールに制限される。 本研究では,ウシ科植物のドローン画像データと機械学習モデルを用いて,指標推定手法を自動化した。
• 参考スコア（独自算出の注目度）: 33.98036856273617
• License:
• Abstract: The leaf area index determines crop health and growth. Traditional methods for calculating it are time-consuming, destructive, costly, and limited to a scale. In this study, we automate the index estimation method using drone image data of grapevine plants and a machine learning model. Traditional feature extraction and deep learning methods are used to obtain helpful information from the data and enhance the performance of the different machine learning models employed for the leaf area index prediction. The results showed that deep learning based feature extraction is more effective than traditional methods. The new approach is a significant improvement over old methods, offering a faster, non-destructive, and cost-effective leaf area index calculation, which enhances precision agriculture practices.
• Abstract（参考訳）: 葉面積指数は作物の健康と成長を決定する。 従来の計算方法は、時間を費やし、破壊的であり、コストがかかり、スケールに制限される。 本研究では,ウシ科植物のドローン画像データと機械学習モデルを用いて,指標推定手法を自動化した。 従来の特徴抽出法と深層学習法を用いて,データから有用な情報を取得し,葉面積指数予測に使用する各種機械学習モデルの性能を向上させる。 その結果,ディープラーニングに基づく特徴抽出は従来の手法よりも効果的であることがわかった。 この新しい手法は従来の方法よりも大幅に改善され、より高速で非破壊的でコスト効率のよい葉面積指数計算が実現され、精密農業の実践が促進される。

関連論文リスト

• Machine Learning Approaches on Crop Pattern Recognition a Comparative Analysis [0.0]
  収穫パターンの生成に時系列リモートセンシングデータを用いた。 分類アルゴリズムは、作物のパターンと地図化された農地の分類に使用される。 本稿では,Deep Neural Network(DNN)に基づく分類を提案し,作物パターン認識の性能向上を図る。
  論文  参考訳（メタデータ） (2024-11-19T17:19:20Z)
• Knowledge Distillation for Road Detection based on cross-model Semi-Supervised Learning [17.690698736544626]
  本稿では,知識蒸留と半教師付き学習手法を組み合わせた統合的アプローチを提案する。 このハイブリッドアプローチは、大規模モデルのロバストな機能を活用して、大規模な未ラベルデータを効果的に活用する。 半教師付き学習に基づく知識蒸留(SSLKD)アプローチは,学生モデルの性能向上を示す。
  論文  参考訳（メタデータ） (2024-02-07T22:50:47Z)
• PILOT: A Pre-Trained Model-Based Continual Learning Toolbox [65.57123249246358]
  本稿では,PILOTとして知られるモデルベース連続学習ツールボックスについて紹介する。 一方、PILOTはL2P、DualPrompt、CODA-Promptといった事前学習モデルに基づいて、最先端のクラスインクリメンタル学習アルゴリズムを実装している。 一方、PILOTは、事前学習されたモデルの文脈に典型的なクラス増分学習アルゴリズムを適合させ、それらの効果を評価する。
  論文  参考訳（メタデータ） (2023-09-13T17:55:11Z)
• Distilled Pruning: Using Synthetic Data to Win the Lottery [2.4366811507669124]
  この研究は、蒸留データを用いてディープラーニングモデルを刈り取る新しいアプローチを導入する。 当社のアプローチでは,CIFAR-10上でのイテレーティブマグニチュード・プルーニングよりも5倍の速度で,スパースでトレーニング可能なワークを見つけることができる。 実験結果は、資源効率のよいニューラルネットワークプルーニング、モデル圧縮、ニューラルネットワーク探索に蒸留データを使用することの可能性を強調した。
  論文  参考訳（メタデータ） (2023-07-07T03:07:28Z)
• Stop overkilling simple tasks with black-box models and use transparent models instead [57.42190785269343]
  ディープラーニングアプローチは、生データから自律的に機能を抽出することができる。 これにより、機能エンジニアリングプロセスをバイパスすることができる。 ディープラーニング戦略は、しばしば精度で従来のモデルより優れている。
  論文  参考訳（メタデータ） (2023-02-06T14:28:49Z)
• Automated Deepfake Detection [19.17617301462919]
  本稿では,Deepfake検出のためのアーキテクチャを自動検索する機械学習を提案する。 提案手法が従来の非深度学習法より優れているだけでなく,予測精度が向上することが実験的に証明された。
  論文  参考訳（メタデータ） (2021-06-20T14:48:50Z)
• Learning to Augment for Data-Scarce Domain BERT Knowledge Distillation [55.34995029082051]
  本稿では,データスカース領域BERT知識蒸留のための拡張学習法を提案する。 提案手法が4つの異なるタスクにおける最先端のベースラインを大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2021-01-20T13:07:39Z)
• SWP-LeafNET: A novel multistage approach for plant leaf identification based on deep CNN [1.9981375888949475]
  葉分類は、植物種の自動識別のためのコンピュータビジョンタスクである。 近年、研究者は深層学習に基づく手法に傾倒している。 本稿では,植物学者の行動が葉の識別においてモデル化され,行動類似度を最大化するための高効率な手法を提案する。
  論文  参考訳（メタデータ） (2020-09-10T20:28:57Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)
• GridMask Data Augmentation [76.79300104795966]
  本稿では,新しいデータ拡張手法であるGridMaskを提案する。 情報除去を利用して、様々なコンピュータビジョンタスクで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2020-01-13T07:27:05Z)

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。