論文の概要: A Decade of Wheat Mapping for Lebanon

• arxiv url: http://arxiv.org/abs/2504.11366v1
• Date: Tue, 15 Apr 2025 16:31:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-16 22:09:34.883819
• Title: A Decade of Wheat Mapping for Lebanon
• Title（参考訳）: レバノンにおける小麦の地図作成の10年
• Authors: Hasan Wehbi, Hasan Nasrallah, Mohamad Hasan Zahweh, Zeinab Takach, Veera Ganesh Yalla, Ali J. Ghandour,
• Abstract要約: 冬季のコムギ分割のための改良パイプラインを導入することにより,衛星画像から小麦畑を正確にマッピングする問題に対処する。 本手法は,コムギのセグメンテーションを精密なフィールド境界抽出と組み合わせることで,幾何的コヒーレントでセマンティックにリッチな地図を生成する。 この研究は、作物のモニタリングや収量推定など、様々な重要な研究と今後の進歩の基礎を築いた。
• 参考スコア（独自算出の注目度）: 0.282697733014759
• License:
• Abstract: Wheat accounts for approximately 20% of the world's caloric intake, making it a vital component of global food security. Given this importance, mapping wheat fields plays a crucial role in enabling various stakeholders, including policy makers, researchers, and agricultural organizations, to make informed decisions regarding food security, supply chain management, and resource allocation. In this paper, we tackle the problem of accurately mapping wheat fields out of satellite images by introducing an improved pipeline for winter wheat segmentation, as well as presenting a case study on a decade-long analysis of wheat mapping in Lebanon. We integrate a Temporal Spatial Vision Transformer (TSViT) with Parameter-Efficient Fine Tuning (PEFT) and a novel post-processing pipeline based on the Fields of The World (FTW) framework. Our proposed pipeline addresses key challenges encountered in existing approaches, such as the clustering of small agricultural parcels in a single large field. By merging wheat segmentation with precise field boundary extraction, our method produces geometrically coherent and semantically rich maps that enable us to perform in-depth analysis such as tracking crop rotation pattern over years. Extensive evaluations demonstrate improved boundary delineation and field-level precision, establishing the potential of the proposed framework in operational agricultural monitoring and historical trend analysis. By allowing for accurate mapping of wheat fields, this work lays the foundation for a range of critical studies and future advances, including crop monitoring and yield estimation.
• Abstract（参考訳）: 小麦は世界のカロリー摂取量の約20%を占めており、世界の食料安全保障の重要な要素となっている。 この重要性から、小麦畑のマッピングは、政策立案者、研究者、農業組織など様々な利害関係者が食料安全保障、サプライチェーン管理、資源配分に関する決定を下す上で重要な役割を担っている。 本稿では,冬期小麦のセグメンテーションのための改良パイプラインを導入することで,衛星画像から小麦畑を正確にマッピングする問題に取り組むとともに,レバノンにおける10年間の麦畑マッピングのケーススタディを示す。 本研究では,時間空間ビジョン変換器(TSViT)とパラメータ効率の良いファインチューニング(PEFT)と,フィールド・オブ・ザ・ワールド(FTW)フレームワークに基づく新しい後処理パイプラインを統合する。 提案するパイプラインは,1つの大規模フィールドにおける小規模農業区画のクラスタリングなど,既存のアプローチで直面する課題に対処する。 本手法は,コムギの分節を精密なフィールド境界抽出と組み合わせることで,幾何的コヒーレントで意味的にリッチな地図を作成し,作物の回転パターンの追跡などの詳細な分析を可能にする。 大規模評価では, 境界線とフィールドレベルの精度の向上が示され, 運用型農業モニタリングと歴史的傾向分析において, 提案する枠組みの可能性が確立された。 この研究は、小麦畑の正確なマッピングを可能にすることで、作物のモニタリングや収量推定など、様々な重要な研究と今後の進歩の基礎を築いた。

関連論文リスト

• Agri-LLaVA: Knowledge-Infused Large Multimodal Assistant on Agricultural Pests and Diseases [49.782064512495495]
  農業分野における最初のマルチモーダル・インストラクション・フォロー・データセットを構築した。 このデータセットは、約40万のデータエントリを持つ221種類以上の害虫と病気をカバーしている。 本稿では,農業用マルチモーダル対話システムであるAgri-LLaVAを開発するための知識注入型学習手法を提案する。
  論文  参考訳（メタデータ） (2024-12-03T04:34:23Z)
• 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)
• Investigating the Segment Anything Foundation Model for Mapping Smallholder Agriculture Field Boundaries Without Training Labels [0.24966046892475396]
  本研究は,インド・ビハール州の農地境界を規定するSegment Anything Model(SAM)について検討した。 我々はSAMの性能を3つのモデルチェックポイント、様々な入力サイズ、マルチ日付衛星画像、エッジ強調画像で評価した。 異なる入力画像サイズを使用することで精度が向上し、マルチ日付衛星画像を使用する場合に最も顕著な改善がなされる。
  論文  参考訳（メタデータ） (2024-07-01T23:06:02Z)
• 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)
• Empirical Study of PEFT techniques for Winter Wheat Segmentation [6.110856077714895]
  本研究は,SOTA小麦作モニタリングモデルを用いて,地域間および年外流通の一般化の実現可能性を探究する。 我々は,冬期小麦畑の分断に対処するためにSOTA TSViTモデルを適応させることに重点を置いている。 PEFT技術を用いて,TSViTアーキテクチャ全体の0.7%のパラメータのみをトレーニングしながら,完全な微調整手法を用いて達成した手法に匹敵する顕著な結果を得た。
  論文  参考訳（メタデータ） (2023-10-03T06:42:28Z)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• PhenoBench -- A Large Dataset and Benchmarks for Semantic Image Interpretation in the Agricultural Domain [29.395926321984565]
  本稿では,実際の農業分野の意味論的解釈のための注釈付きデータセットとベンチマークを提案する。 UAVで記録したデータセットは、作物や雑草の高品質でピクセル単位のアノテーションを提供するだけでなく、作物の葉のインスタンスも同時に提供する。 異なるフィールドで構成された隠れテストセット上で、さまざまなタスクのベンチマークを提供する。
  論文  参考訳（メタデータ） (2023-06-07T16:04:08Z)
• 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)
• Small, Sparse, but Substantial: Techniques for Segmenting Small Agricultural Fields Using Sparse Ground Data [4.850320383827591]
  機械学習と画像処理を組み合わせた多段階的手法を提案する。 高分解能画像を用いた評価では,Fスコアが0.84で,Fスコアが0.73,小フィールドが0.84であった。
  論文  参考訳（メタデータ） (2020-05-05T05:26:19Z)
• Agriculture-Vision: A Large Aerial Image Database for Agricultural Pattern Analysis [110.30849704592592]
  本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。 各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。 農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
  論文  参考訳（メタデータ） (2020-01-05T20:19:33Z)

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。