論文の概要: Accurate Water Level Monitoring in AWD Rice Cultivation Using Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2412.08477v1
• Date: Wed, 11 Dec 2024 15:44:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-12 14:03:52.754566
• Title: Accurate Water Level Monitoring in AWD Rice Cultivation Using Convolutional Neural Networks
• Title（参考訳）: 畳み込みニューラルネットワークを用いたAWD水稲栽培における精密水位モニタリング
• Authors: Ahmed Rafi Hasan, Niloy Kumar Kundu, Saad Hasan, Mohammad Rashedul Hoque, Swakkhar Shatabda,
• Abstract要約: 気候変動により農業セクターは困難に陥り、特に地球規模の水資源はますます不足している。 世界の人口の半数以上を占める主要な食料である米は、他の主要作物よりもはるかに多くの水を必要としている。 伝統的に、農家は水位を手動で測定する。 本稿では,コンピュータビジョン,特に畳み込みニューラルネットワークを用いて水位測定を自動化する新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 1.2058600649065618
• License:
• Abstract: The Alternate Wetting and Drying (AWD) method is a rice-growing water management technique promoted as a sustainable alternative to Continuous Flooding (CF). Climate change has placed the agricultural sector in a challenging position, particularly as global water resources become increasingly scarce, affecting rice production on irrigated lowlands. Rice, a staple food for over half of the world's population, demands significantly more water than other major crops. In Bangladesh, \textit{Boro} rice, in particular, requires considerable water inputs during its cultivation. Traditionally, farmers manually measure water levels, a process that is both time-consuming and prone to errors. While ultrasonic sensors offer improvements in water height measurement, they still face limitations, such as susceptibility to weather conditions and environmental factors. To address these issues, we propose a novel approach that automates water height measurement using computer vision, specifically through a convolutional neural network (CNN). Our attention-based architecture achieved an $R^2$ score of 0.9885 and a Mean Squared Error (MSE) of 0.2766, providing a more accurate and efficient solution for managing AWD systems.
• Abstract（参考訳）: 代替湿式乾燥法 (Alternate Wetting and Drying, AWD) は, 連続洪水(continuous Flooding, CF) に代わる水管理法である。 気候変動により農業セクターは困難に陥り、特に地球規模の水資源が乏しくなり、低地での稲作に影響を及ぼした。 世界の人口の半数以上を占める主要な食料である米は、他の主要作物よりもはるかに多くの水を必要としている。 バングラデシュでは、特に'textit{Boro} の米は、栽培中にかなりの水分を必要とする。 伝統的に、農家は水位を手動で測定する。 超音波センサーは水位測定の改善を提供するが、気象条件や環境要因に対する感受性などの制限に直面している。 これらの問題に対処するために,コンピュータビジョン,特に畳み込みニューラルネットワーク(CNN)を用いて,水位計測を自動化する新しい手法を提案する。 我々の注意に基づくアーキテクチャは、0.9885のR^2$スコアと0.2766のMean Squared Error(MSE)を達成し、AWDシステムを管理するためのより正確で効率的なソリューションを提供する。

関連論文リスト

• Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
  本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。 我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-07T22:29:05Z)
• TRG-Net: An Interpretable and Controllable Rain Generator [61.2760968459789]
  本研究は,降雨の基盤となる物理的発生機構を十分に考慮した,新しい深層学習型降雨発生器を提案する。 その意義は、発電機が予想される雨をシミュレートするために雨の本質的な要素を精巧に設計するだけでなく、複雑で多様な雨のイメージに微妙に適応することにある。 提案した雨発生器が発生した雨は, 高品質であるだけでなく, 排水作業や下流作業にも有効であることを示す。
  論文  参考訳（メタデータ） (2024-03-15T03:27:39Z)
• Agricultural Recommendation System based on Deep Learning: A Multivariate Weather Forecasting Approach [1.756503402823037]
  本稿では,天気予報モデルを用いたコンテキスト型作物推薦システムを提案する。 提案された気象モデルでは、バングラデシュの任意の場所で降雨、気温、湿度、日差しを予測でき、平均 R-Squared 値は 0.9824 である。 このシステムは、洪水や干ばつが生ずる地域に対する知識に基づく作物の提案にも長けている。
  論文  参考訳（メタデータ） (2024-01-21T06:33:45Z)
• Climate Change Impact on Agricultural Land Suitability: An Interpretable Machine Learning-Based Eurasia Case Study [94.07737890568644]
  2021年現在、世界中で約8億8800万人が飢餓と栄養失調に見舞われている。 気候変動は農地の適性に大きな影響を及ぼし、深刻な食糧不足に繋がる可能性がある。 本研究は,経済・社会問題に苦しむ中央ユーラシアを対象とする。
  論文  参考訳（メタデータ） (2023-10-24T15:15:28Z)
• Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
  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)
• Optimizing Irrigation Efficiency using Deep Reinforcement Learning in the Field [4.091593765662773]
  農業用水は淡水消費に大きく寄与している。 現在の灌水システムでは、将来の土壌の水分損失は考慮されていない。 本稿では, ドライカと呼ばれる灌水効率を向上する手法を提案する。
  論文  参考訳（メタデータ） (2023-04-04T01:04:53Z)
• A SWAT-based Reinforcement Learning Framework for Crop Management [0.0]
  土壌・水質評価ツール(SWAT)の力学を利用した強化学習(RL)環境を導入する。 これにより、フル成長の季節に配備されるはずの時間と資源が大幅に節約される。 我々は,標準的な農業慣行や最先端のRLアルゴリズムに通知された経営戦略に従って,様々な意思決定エージェントを開発・ベンチマークすることで,フレームワークの有用性を実証する。
  論文  参考訳（メタデータ） (2023-02-10T00:24:22Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Self-supervised Contrastive Learning for Irrigation Detection in Satellite Imagery [0.7584685045934025]
  気候変動は河川流出の減少と帯水層再資源化を招き、淡水利用率の低下による農業用水需要の持続不可能さが増している。 農業用水の利用状況の監視・追跡を慎重に行う必要があるため、持続可能な方法での食料の確保は引き続き大きな課題となる。 光リモートセンシングデータに最先端の自己教師型深層学習技術を適用し,従来の教師付き学習法に比べて最大9倍の精度,90%のリコール,40%の一般化能力で灌水を検出できることを確認した。
  論文  参考訳（メタデータ） (2021-08-12T01:13:04Z)
• High-resolution global irrigation prediction with Sentinel-2 30m data [0.8137198664755597]
  地球規模の灌水利用の正確かつ正確な理解は、様々な気候科学の取り組みに不可欠である。 我々は,世界中の農地の30万分解能灌水予測を生成するために,新しい灌水モデルとpythonパッケージ(irrigation30)を開発した。 本モデルでは, ランダムにサンプリングされた小標本群において, 97%以上の一貫性スコアと92%の精度を達成できた。
  論文  参考訳（メタデータ） (2020-12-09T17:26:43Z)
• 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。