論文の概要: Corn Ear Detection and Orientation Estimation Using Deep Learning
- arxiv url: http://arxiv.org/abs/2412.14954v1
- Date: Thu, 19 Dec 2024 15:36:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-20 13:32:47.176137
- Title: Corn Ear Detection and Orientation Estimation Using Deep Learning
- Title(参考訳): 深層学習を用いたコーン耳検出と方位推定
- Authors: Nathan Sprague, John Evans, Michael Mardikes,
- Abstract要約: 本稿では,コーンの耳を画像シーケンスで検出・追跡するコンピュータビジョンに基づくシステムを提案する。
提案システムは、耳の向きを正確に検出し、追跡し、予測することができる。
- 参考スコア(独自算出の注目度): 0.26813152817733554
- License:
- Abstract: Monitoring growth behavior of maize plants such as the development of ears can give key insights into the plant's health and development. Traditionally, the measurement of the angle of ears is performed manually, which can be time-consuming and prone to human error. To address these challenges, this paper presents a computer vision-based system for detecting and tracking ears of corn in an image sequence. The proposed system could accurately detect, track, and predict the ear's orientation, which can be useful in monitoring their growth behavior. This can significantly save time compared to manual measurement and enables additional areas of ear orientation research and potential increase in efficiencies for maize production. Using an object detector with keypoint detection, the algorithm proposed could detect 90 percent of all ears. The cardinal estimation had a mean absolute error (MAE) of 18 degrees, compared to a mean 15 degree difference between two people measuring by hand. These results demonstrate the feasibility of using computer vision techniques for monitoring maize growth and can lead to further research in this area.
- Abstract(参考訳): 耳の発達などのトウモロコシの生育挙動のモニタリングは、植物の健康と発達に重要な洞察を与える。
伝統的に、耳の角度の計測は手動で行われるため、時間を要することがあり、人的ミスを招きやすい。
これらの課題に対処するために,コーンの耳を画像シーケンスで検出・追跡するコンピュータビジョンに基づくシステムを提案する。
提案システムは、耳の向きを正確に検出し、追跡し、予測することができる。
これにより、手動測定と比較して時間を大幅に節約することができ、耳の向きの研究のさらなる領域と、トウモロコシ生産の効率性を高めることができる。
キーポイント検出を備えた物体検出装置を用いて、提案されたアルゴリズムは全ての耳の90%を検出できる。
平均絶対誤差(MAE)は,手動で測定した2人の平均15度差と比較すると,平均18度であった。
これらの結果は、トウモロコシの成長を監視するためにコンピュータビジョン技術を使うことの可能性を示し、この分野のさらなる研究に繋がる可能性がある。
関連論文リスト
- MaizeEar-SAM: Zero-Shot Maize Ear Phenotyping [0.9659487278134938]
エーカー当たりの穀物収量は、エーカー当たりの植物数、植物当たりの耳数、耳当たりの核数、および平均核重量を乗じることで計算される。
これら2つの特性を測定する従来の手作業の手法は時間を要するため、大規模なデータ収集が制限される。
提案手法は多種多様なトウモロコシの耳にまたがる1列あたりのカーネル数を同定する。
論文 参考訳(メタデータ) (2025-02-19T03:18:29Z) - A Comparative Study of Perceptual Quality Metrics for Audio-driven
Talking Head Videos [81.54357891748087]
4つの生成手法から生成した音声ヘッドビデオを収集する。
視覚的品質、口唇音の同期、頭部運動の自然性に関する制御された心理物理実験を行った。
実験では,モデル予測と人間のアノテーションの整合性を検証し,広く使用されている指標よりも人的意見に整合した指標を同定した。
論文 参考訳(メタデータ) (2024-03-11T04:13:38Z) - Sugarcane Health Monitoring With Satellite Spectroscopy and Machine Learning: A Review [3.006016887654771]
このレビューは、サトウキビの健康モニタリングと、衛星分光法と機械学習(ML)を用いた病気・害虫検出における、未調査、未調査領域を掘り下げるものである。
関連衛星、植生指標、ML法、サトウキビ反射率に影響を与える要因、最適な成長条件、共通疾患、従来の検出方法など、システム開発の重要事項について論じる。
論文 参考訳(メタデータ) (2024-02-13T01:12:39Z) - Identification of Abnormality in Maize Plants From UAV Images Using Deep
Learning Approaches [0.6226366855893847]
植物の異常の早期発見は、適切な生育を確保し、作物から高い収量を得るための重要な課題である。
本研究は, 成長段階とは無関係に, トウモロコシの異常度を判定する手法を開発した。
予備結果は、低い異常の88.89%の検出精度と100%の異常の検知精度を示している。
論文 参考訳(メタデータ) (2023-10-20T00:06:42Z) - In-vehicle alertness monitoring for older adults [63.359033532099204]
高齢者に対する車内警戒監視システムを提案する。
高齢者10名(70歳以上)を対象に,プロトタイプトラベラー監視システムを実装し,警報検出アルゴリズムの評価を行った。
本研究は, 人口調査対象者を対象とした最初の研究であり, 参加型手法によるアルゴリズム開発とシステム設計に関する今後の研究に影響を及ぼすものである。
論文 参考訳(メタデータ) (2022-08-17T06:07:37Z) - Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文 参考訳(メタデータ) (2021-12-20T13:29:13Z) - Objective hearing threshold identification from auditory brainstem
response measurements using supervised and self-supervised approaches [1.0627340704073347]
平均ABR生データから聴力閾値の自動同定を行う2つの手法を開発し比較する。
両モデルが正常に動作し、人間の閾値検出より優れ、高速で信頼性が高く、偏りのない聴力閾値検出と品質制御に適していることを示す。
論文 参考訳(メタデータ) (2021-12-16T15:24:31Z) - Counterfactual Attention Learning for Fine-Grained Visual Categorization
and Re-identification [101.49122450005869]
本稿では,因果推論に基づくより効果的な注意力学習法を提案する。
具体的には,学習した視覚的注意がネットワーク予測に与える影響を分析する。
本手法は,広範囲の粒度認識タスクにおいて評価する。
論文 参考訳(メタデータ) (2021-08-19T14:53:40Z) - Ear Recognition [0.0]
耳のバイオメトリックスは、主に非侵襲的で、適切に永続的で正確であることが証明されている。
異なる耳認識技術は、顔認識技術と同じくらい効果的であることが証明されています。
論文 参考訳(メタデータ) (2021-01-26T03:26:00Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳(メタデータ) (2020-05-06T09:02:30Z) - Learning to Evaluate Perception Models Using Planner-Centric Metrics [104.33349410009161]
本稿では,自動運転のタスクに特化して,3次元物体検出の原理的基準を提案する。
私たちのメトリクスは、他のメトリクスが設計によって課す多くの間違いを罰します。
人間の評価では,基準基準値と基準値が一致しないシーンを生成し,基準値の79%が人間の側にあることがわかった。
論文 参考訳(メタデータ) (2020-04-19T02:14:00Z)
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。