論文の概要: EcoWeedNet: A Lightweight and Automated Weed Detection Method for Sustainable Next-Generation Agricultural Consumer Electronics

• arxiv url: http://arxiv.org/abs/2502.00205v1
• Date: Fri, 31 Jan 2025 22:46:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 15:03:35.476758
• Title: EcoWeedNet: A Lightweight and Automated Weed Detection Method for Sustainable Next-Generation Agricultural Consumer Electronics
• Title（参考訳）: EcoWeedNet:持続可能な次世代農業消費電子製品のための軽量自動雑草検出方法
• Authors: Omar H. Khater, Abdul Jabbar Siddiqui, M. Shamim Hossain,
• Abstract要約: 雑草は、特に作物の収量に影響を与える水、土壌の栄養素、日光などの作物と重要な資源を共有します。 精密農業における自動化されたコンピュータビジョン技術と地上の農業消費者電子車両の採用は、持続可能で低炭素のソリューションを提供する。 本研究は,雑草検出性能を向上した新しいモデルであるEcoWeedNetを提案する。
• 参考スコア（独自算出の注目度）: 8.630643165308092
• License:
• Abstract: Sustainable agriculture plays a crucial role in ensuring world food security for consumers. A critical challenge faced by sustainable precision agriculture is weed growth, as weeds share essential resources with the crops, such as water, soil nutrients, and sunlight, which notably affect crop yields. The traditional methods employed to combat weeds include the usage of chemical herbicides and manual weed removal methods. However, these could damage the environment and pose health hazards. The adoption of automated computer vision technologies and ground agricultural consumer electronic vehicles in precision agriculture offers sustainable, low-carbon solutions. However, prior works suffer from issues such as low accuracy and precision and high computational expense. This work proposes EcoWeedNet, a novel model with enhanced weed detection performance without adding significant computational complexity, aligning with the goals of low-carbon agricultural practices. Additionally, our model is lightweight and optimal for deployment on ground-based consumer electronic agricultural vehicles and robots. The effectiveness of the proposed model is demonstrated through comprehensive experiments on the CottonWeedDet12 benchmark dataset reflecting real-world scenarios. EcoWeedNet achieves performance close to that of large models yet with much fewer parameters. (approximately 4.21% of the parameters and 6.59% of the GFLOPs of YOLOv4). This work contributes effectively to the development of automated weed detection methods for next-generation agricultural consumer electronics featuring lower energy consumption and lower carbon footprint. This work paves the way forward for sustainable agricultural consumer technologies.
• Abstract（参考訳）: 持続可能な農業は、消費者の世界の食料安全保障を確保する上で重要な役割を担っている。 持続可能な精密農業が直面する重要な課題は雑草の成長であり、雑草は特に作物の収量に影響を与える水、土壌の栄養素、日光などの作物と重要な資源を共有している。 雑草と戦う伝統的な方法は、化学除草剤の使用と手作業による雑草除去である。 しかし、これらは環境を害し、健康を害する可能性がある。 精密農業における自動化されたコンピュータビジョン技術と地上の農業消費者電子車両の採用は、持続可能で低炭素のソリューションを提供する。 しかし、事前の作業は、精度の低下や精度の低下、計算コストの増大といった問題に悩まされている。 EcoWeedNetは、低炭素農業プラクティスの目標に沿った、計算量を大幅に増やすことなく、雑草検出性能を向上した新しいモデルである。 さらに,本モデルは軽量で,地上型家電農用車やロボットへの展開に最適である。 提案モデルの有効性は,実世界のシナリオを反映したCottonWeedDet12ベンチマークデータセットの包括的な実験を通じて実証される。 EcoWeedNetは、パラメータが少なくても大きなモデルのそれに近いパフォーマンスを実現している。 (約4.21%、YOLOv4のGFLOPの6.59%)。 本研究は, エネルギー消費の低下と炭素フットプリントの低下を特徴とする次世代農業用家電の自動雑草検出手法の開発に有効である。 この作業は、持続可能な農業消費者技術への道を開いた。

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)
• BonnBot-I Plus: A Bio-diversity Aware Precise Weed Management Robotic Platform [2.3961612657966946]
  本稿では, ボン大学クライン・アルテンドルフ校における雑草管理アルゴリズムの最近の進歩と, bbotの実際の性能について述べる。 本報告では,BonnBot-Is雑草監視部における新たなローリングビュー観測モデルについて述べる。 われわれは、精密雑草ロボットが、雑草のシナリオに挑戦する上で、生物多様性に配慮した懸念をどのように考慮するかを初めて示した。
  論文  参考訳（メタデータ） (2024-05-15T06:23:59Z)
• WeedScout: Real-Time Autonomous blackgrass Classification and Mapping using dedicated hardware [1.1859244973229535]
  WeedScoutプロジェクトがRT-ABGCM(Real-Rime Autonomous Black-Grass Classification and Mapping)を導入 システムはライブイメージフィードを処理し、ブラックグラス密度を推測し、成熟の2段階をカバーする。 推論速度とモデルパフォーマンスを最適化することにより、プロジェクトはAIを農業プラクティスに統合する。
  論文  参考訳（メタデータ） (2024-05-12T18:04:41Z)
• Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
  このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。 我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
  論文  参考訳（メタデータ） (2024-03-27T08:42:47Z)
• Intelligent Agricultural Greenhouse Control System Based on Internet of Things and Machine Learning [0.0]
  本研究は,モノのインターネット(IoT)と機械学習の融合に根ざした,高度な農業用温室制御システムを概念化し,実行しようとする試みである。 その結果、作物の生育効率と収量が向上し、資源の浪費が減少する。
  論文  参考訳（メタデータ） (2024-02-14T09:07:00Z)
• 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)
• Evaluating Digital Tools for Sustainable Agriculture using Causal Inference [0.9213852038999553]
  本稿では,デジタルツールが農業成績指標に与える影響を実証的に評価するための観察因果推論フレームワークを提案する。 このように、デジタル農業市場の透明性を高めることで、農家の信頼を高めることができる。
  論文  参考訳（メタデータ） (2022-11-06T18:22:17Z)
• IGrow: A Smart Agriculture Solution to Autonomous Greenhouse Control [8.344829083719857]
  スマート農業ソリューション,すなわちiGrowを提案する。 私たちはIoTとクラウドコンピューティング技術を使って、成長するデータを測定し、収集し、管理しています。 私たちのソリューションは生産量(商業的に販売可能な果物)と純利益を大幅に増加させます。
  論文  参考訳（メタデータ） (2021-07-06T11:35:50Z)
• 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)
• 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)
• 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。