論文の概要: SemanticSugarBeets: A Multi-Task Framework and Dataset for Inspecting Harvest and Storage Characteristics of Sugar Beets
- arxiv url: http://arxiv.org/abs/2504.16684v1
- Date: Wed, 23 Apr 2025 13:14:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 16:23:23.0736
- Title: SemanticSugarBeets: A Multi-Task Framework and Dataset for Inspecting Harvest and Storage Characteristics of Sugar Beets
- Title（参考訳）: SemanticSugarBeets:Sugar Beetsのハーベストと貯蔵特性を検査するためのマルチタスクフレームワークとデータセット
- Authors: Gerardus Croonen, Andreas Trondl, Julia Simon, Daniel Steininger,
- Abstract要約: 本稿では,新しい高品質アノテートデータセットと2段階法を用いて,保存後糖蜜および保存後糖蜜の検出,セマンティックセグメンテーション,質量推定を行う。
我々は,サトウキビ検出のための広範囲なアブレーション実験を行い,損傷,腐朽,土壌の付着,過剰植生に関する細粒度のセマンティックセグメンテーションを行った。
実験の結果,サトウキビ検出には98.8mAP50-95,最高のセグメンテーションモデルには64.0mIoUが得られた。
- 参考スコア（独自算出の注目度）: 0.6499759302108925
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: While sugar beets are stored prior to processing, they lose sugar due to factors such as microorganisms present in adherent soil and excess vegetation. Their automated visual inspection promises to aide in quality assurance and thereby increase efficiency throughout the processing chain of sugar production. In this work, we present a novel high-quality annotated dataset and two-stage method for the detection, semantic segmentation and mass estimation of post-harvest and post-storage sugar beets in monocular RGB images. We conduct extensive ablation experiments for the detection of sugar beets and their fine-grained semantic segmentation regarding damages, rot, soil adhesion and excess vegetation. For these tasks, we evaluate multiple image sizes, model architectures and encoders, as well as the influence of environmental conditions. Our experiments show an mAP50-95 of 98.8 for sugar-beet detection and an mIoU of 64.0 for the best-performing segmentation model.
- Abstract（参考訳）: サトウキビは処理前に貯蔵されるが、付着した土壌に存在する微生物や過剰な植生などの要因により糖を失う。
自動視覚検査は品質保証を助長し、糖生産のプロセスチェーン全体を通して効率を高めることを約束する。
本研究では,新しい高品質な注釈付きデータセットと,モノクロRGB画像におけるハーベスト後および保存後糖蜜の検出,セマンティックセグメンテーション,質量推定のための2段階手法を提案する。
我々は,サトウキビ検出のための広範囲なアブレーション実験を行い,損傷,腐朽,土壌の付着,過剰植生に関する細粒度のセマンティックセグメンテーションを行った。
これらの課題に対して,複数の画像サイズ,モデルアーキテクチャ,エンコーダ,環境条件の影響を評価した。
実験の結果,サトウキビ検出には98.8mAP50-95,最高のセグメンテーションモデルには64.0mIoUが得られた。
関連論文リスト
- Agtech Framework for Cranberry-Ripening Analysis Using Vision Foundation Models [1.5728609542259502]
航空画像と地上画像を用いたクランベリー作物の熟成過程を特徴付ける枠組みを開発した。
この作品はこの種の最初のものであり、クランベリーやワインブドウ、オリーブ、ブルーベリー、トウモロコシなど他の作物に将来的な影響を及ぼす。
論文 参考訳（メタデータ） (2024-12-12T22:03:33Z) - Weakly Supervised Panoptic Segmentation for Defect-Based Grading of Fresh Produce [0.0]
農業用サプライチェーンの欠陥の検査は極めて重要であるが、伝統的に労働集約的であり、エラーを起こしやすい。
スパースアノテーションから高密度の汎視的セグメンテーションマスクを生成するために,セグメンテーションモデルを評価することで,この問題に対処する。
提案手法は, パン光学マスクの欠陥数と相対サイズを実用的に推定するものである。
論文 参考訳（メタデータ） (2024-11-25T09:28:58Z) - CitDet: A Benchmark Dataset for Citrus Fruit Detection [4.148753005188076]
本研究は,キツネ果実の検出における技術状況の進展と,黄龍病の被害を受けた樹木の収量を正確に推定するための新しいデータセットを提案する。
データセットは579の高解像度画像に含まれるフルーツインスタンスのための32,000以上のバウンディングボックスアノテーションで構成されている。
論文 参考訳（メタデータ） (2023-09-11T17:37:08Z) - Vision-Based Cranberry Crop Ripening Assessment [1.8434042562191815]
この研究は、コンピュータビジョンを用いた熟成の定量的評価において、最初のものである。
ワインのブドウ、オリーブ、ブルーベリー、トウモロコシなどクランベリー以外の作物にも影響がある。
論文 参考訳（メタデータ） (2023-08-31T14:58:11Z) - 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) - Agave crop segmentation and maturity classification with deep learning
data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。
実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。
結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
論文 参考訳（メタデータ） (2023-03-21T03:15:29Z) - End-to-end deep learning for directly estimating grape yield from
ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。
オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。
本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文 参考訳（メタデータ） (2022-08-04T01:34:46Z) - Supervised learning for crop/weed classification based on color and
texture features [0.0]
本研究では,大豆および雑草の識別における色彩と食感の特徴について検討した。
無人航空機(UAV)から得られた大豆のイメージデータセットを用いて実験を行った。
論文 参考訳（メタデータ） (2021-06-19T22:31:54Z) - 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) - Using depth information and colour space variations for improving
outdoor robustness for instance segmentation of cabbage [62.997667081978825]
本研究は, 異なる環境条件下での作物のインスタンスセグメンテーションの改善に焦点をあてる。
深度情報と異なる色空間表現の影響を分析した。
その結果,色情報と組み合わせることでセグメンテーション精度が7.1%向上した。
論文 参考訳（メタデータ） (2021-03-31T09:19:12Z) - Pollen13K: A Large Scale Microscope Pollen Grain Image Dataset [63.05335933454068]
この研究は、1万3千以上の天体を含む最初の大規模花粉画像データセットを提示する。
本稿では, エアロバイオロジカルサンプリング, 顕微鏡画像取得, 物体検出, セグメンテーション, ラベル付けなど, 採用データ取得のステップに注目した。
論文 参考訳（メタデータ） (2020-07-09T10:33:31Z) - SSM-Net for Plants Disease Identification in Low Data Regime [0.0]
植物病の検出は農業生産の増加に欠かせない要素である。
特定の植物種にかかわる病気のあらゆる形態に関する大量のデータを集めることは、非常に不便である。
本稿では,低データ環境における疾患検出の課題に対処する,メトリクスベースの数ショット学習型SSMネットアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-05-27T03:43:38Z)
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。