論文の概要: Enhancing seeding efficiency using a computer vision system to monitor furrow quality in real-time
- arxiv url: http://arxiv.org/abs/2504.19334v1
- Date: Sun, 27 Apr 2025 19:08:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.240391
- Title: Enhancing seeding efficiency using a computer vision system to monitor furrow quality in real-time
- Title(参考訳): コンピュータビジョンシステムを用いた作出効率の向上によるリアルタイムのファロー品質監視
- Authors: Sidharth Rai, Aryan Dalal, Riley Slichter, Ajay Sharda,
- Abstract要約: 精密農業における効果的な種子の播種は、残留物の蓄積、土壌温度の低下、毛髪のピンニングといった課題によって妨げられている。
これらの問題を緩和するためにロウクリーナーが使用されているが、トレンチクリーニングを評価するための定量的手法が不足している。
本研究では,行クリーニング性能を評価するコンピュータビジョンに基づく手法を開発した。
- 参考スコア(独自算出の注目度): 0.5113447003407372
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Effective seed sowing in precision agriculture is hindered by challenges such as residue accumulation, low soil temperatures, and hair pinning (crop residue pushed in the trench by furrow opener), which obstruct optimal trench formation. Row cleaners are employed to mitigate these issues, but there is a lack of quantitative methods to assess trench cleanliness. In this study, a novel computer vision-based method was developed to evaluate row cleaner performance. Multiple air seeders were equipped with a video acquisition system to capture trench conditions after row cleaner operation, enabling an effective comparison of the performance of each row cleaner. The captured data were used to develop a segmentation model that analyzed key elements such as soil, straw, and machinery. Using the results from the segmentation model, an objective method was developed to quantify row cleaner performance. The results demonstrated the potential of this method to improve row cleaner selection and enhance seeding efficiency in precision agriculture.
- Abstract(参考訳): 精密農業における効果的な種子播種は、最適なトレンチ形成を阻害する残基の蓄積、土壌温度の低下、ヘアピンニング(フラウオープナーによってトレンチに押されたクロップ残基)といった課題によって妨げられる。
これらの問題を緩和するためにロウクリーナーが使用されているが、トレンチクリーニングを評価するための定量的手法が不足している。
本研究では,行のクリーニング性能を評価するために,コンピュータビジョンに基づく新しい手法を開発した。
複数のエアシード機は、行クリーナー操作後のトレンチ状態をキャプチャするビデオ取得システムを備えており、各行クリーナーの性能を効果的に比較することができる。
得られたデータを用いて,土壌,わら,機械などの重要な要素を解析するセグメンテーションモデルを構築した。
セグメンテーションモデルの結果を用いて,行のクリーニング性能を定量化するための客観的手法を開発した。
その結果, 精密農業において, 行選別の改善と播種効率の向上を図った。
関連論文リスト
- Denoising Score Distillation: From Noisy Diffusion Pretraining to One-Step High-Quality Generation [82.39763984380625]
低品質データから高品質な生成モデルをトレーニングするための驚くほど効果的で斬新なアプローチであるDSD(Denoising score distillation)を導入する。
DSDはノイズの多い劣化したサンプルにのみ拡散モデルを事前訓練し、精製されたクリーンな出力を生成することができる1ステップの発電機に蒸留する。
論文 参考訳(メタデータ) (2025-03-10T17:44:46Z) - Automated Classification of Dry Bean Varieties Using XGBoost and SVM Models [0.0]
本稿では,機械学習モデルを用いた7種類の乾燥豆の自動分類について比較検討する。
XGBoostとSVMのモデルはそれぞれ94.00%と94.39%の正確な分類率を達成した。
本研究は, 種子品質制御と収量最適化を効果的に支援できることを実証し, 精密農業への取り組みの活発化に寄与する。
論文 参考訳(メタデータ) (2024-08-02T13:05:33Z) - Enhanced Droplet Analysis Using Generative Adversarial Networks [0.0]
この研究は、DropletGANという画像生成装置を開発し、ドロップレットの画像を生成する。
また、合成データセットを用いた光液滴検出器の開発にも用いられている。
我々の知る限りでは、この研究は初めて、液滴の検出を増強するための生成モデルを用いたものである。
論文 参考訳(メタデータ) (2024-02-24T21:20:53Z) - ML Algorithm Synthesizing Domain Knowledge for Fungal Spores
Concentration Prediction [3.4836961035265217]
真菌胞濃度は紙の使いやすさに影響を与える重要な指標である。
現在の試験方法は遅れた結果に重きを置いており、リアルタイム制御戦略を妨げている。
本稿では, 紙パルプ産業における厳密な品質管理を可能とし, リアルタイム菌胞濃度予測のための有望な方法を示す。
論文 参考訳(メタデータ) (2023-09-23T15:27:14Z) - Online Non-Destructive Moisture Content Estimation of Filter Media
During Drying Using Artificial Neural Networks [95.42181254494287]
粗いろ過媒体製品の乾燥工程において, 水分量 (MC) の推定が重要である。
人工ニューラルネットワーク(ANN)に基づく手法は、文献で報告されている最先端のMC推定手法と比較する。
実験結果から, ANNとオーブン設定データ, 乾燥時間, 製品温度を組み合わせることで, バルクフィルターメディア製品のMCを確実に推定できることがわかった。
論文 参考訳(メタデータ) (2023-03-27T19:37:53Z) - Generative models-based data labeling for deep networks regression:
application to seed maturity estimation from UAV multispectral images [3.6868861317674524]
種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。
従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。
マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法の提案と,自動ラベリングのための新しいアプローチを提案する。
論文 参考訳(メタデータ) (2022-08-09T09:06:51Z) - 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) - A Waste Copper Granules Rating System Based on Machine Vision [2.0342996661888995]
本稿では,マシンビジョンとディープラーニングに基づく銅グラニュラー評価システムを提案する。
本システムは, 精度, 有効性, 頑健性, 客観性の観点から, 手動法よりも優れている。
論文 参考訳(メタデータ) (2022-07-11T01:21:35Z) - Unsupervised Restoration of Weather-affected Images using Deep Gaussian
Process-based CycleGAN [92.15895515035795]
本稿では,CycleGANに基づくディープネットワークの監視手法について述べる。
我々は,より効果的なトレーニングにつながるCycleGANのトレーニングに新たな損失を導入し,高品質な再構築を実現した。
提案手法は, 脱落, 脱落, 脱落といった様々な修復作業に効果的に適用できることを実証する。
論文 参考訳(メタデータ) (2022-04-23T01:30:47Z) - Causal Effect Variational Autoencoder with Uniform Treatment [50.895390968371665]
因果効果変動オートエンコーダ(CEVAE)をトレーニングし、観察処理データから結果を予測する。
均一処理変分オートエンコーダ (UTVAE) は, 重要サンプリングを用いて均一な処理分布を訓練する。
論文 参考訳(メタデータ) (2021-11-16T17:40:57Z) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳(メタデータ) (2021-06-04T22:17:09Z)
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。