論文の概要: Optimizing Indoor Farm Monitoring Efficiency Using UAV: Yield Estimation in a GNSS-Denied Cherry Tomato Greenhouse
- arxiv url: http://arxiv.org/abs/2505.00995v1
- Date: Fri, 02 May 2025 04:41:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-05 17:21:19.904089
- Title: Optimizing Indoor Farm Monitoring Efficiency Using UAV: Yield Estimation in a GNSS-Denied Cherry Tomato Greenhouse
- Title（参考訳）: UAVを用いた屋内農業モニタリングの最適化:GNSS-Denied Cherry Tomato Greenhouseにおける収量推定
- Authors: Taewook Park, Jinwoo Lee, Hyondong Oh, Won-Jae Yun, Kyu-Wha Lee,
- Abstract要約: 我々は、RGB-Dカメラ、3D LiDAR、IMUセンサーを備えた軽量無人航空機(UAV)を開発した。
本研究では,収穫行と成長行の2つのデータセットを用いてシステム評価を行う。
本研究は, 商業用温室における効率的なロボット収量推定のためのUAVの可能性を示すものである。
- 参考スコア（独自算出の注目度）: 6.845690057916755
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: As the agricultural workforce declines and labor costs rise, robotic yield estimation has become increasingly important. While unmanned ground vehicles (UGVs) are commonly used for indoor farm monitoring, their deployment in greenhouses is often constrained by infrastructure limitations, sensor placement challenges, and operational inefficiencies. To address these issues, we develop a lightweight unmanned aerial vehicle (UAV) equipped with an RGB-D camera, a 3D LiDAR, and an IMU sensor. The UAV employs a LiDAR-inertial odometry algorithm for precise navigation in GNSS-denied environments and utilizes a 3D multi-object tracking algorithm to estimate the count and weight of cherry tomatoes. We evaluate the system using two dataset: one from a harvesting row and another from a growing row. In the harvesting-row dataset, the proposed system achieves 94.4\% counting accuracy and 87.5\% weight estimation accuracy within a 13.2-meter flight completed in 10.5 seconds. For the growing-row dataset, which consists of occluded unripened fruits, we qualitatively analyze tracking performance and highlight future research directions for improving perception in greenhouse with strong occlusions. Our findings demonstrate the potential of UAVs for efficient robotic yield estimation in commercial greenhouses.
- Abstract（参考訳）: 農業労働者が減少し、労働コストが上昇するにつれて、ロボットの収量推定がますます重要になっている。
無人地上車両(UGV)は一般的に屋内農場の監視に使用されるが、温室への配備はインフラの制限、センサー配置の課題、運用上の非効率によって制限されることが多い。
これらの問題に対処するため,RGB-Dカメラ,3D LiDAR,IMUセンサーを備えた軽量無人航空機(UAV)を開発した。
UAVは、GNSSの環境での正確なナビゲーションにLiDAR-inertial odometryアルゴリズムを使用し、チェリートマトの量と重量を推定するために3D多目的追跡アルゴリズムを使用している。
本研究では,収穫行と成長行の2つのデータセットを用いてシステム評価を行う。
本手法は,10.5秒で完了した13.2mの飛行において,94.4\%のカウント精度と87.5\%の重量推定精度を達成する。
未熟果実を包み込んだ成長期データセットでは,追跡性能を質的に分析し,強い閉塞性を有する温室の知覚を向上させるための今後の研究の方向性を強調した。
本研究は, 商業用温室における効率的なロボット収量推定のためのUAVの可能性を示すものである。
関連論文リスト
- Evaluation of Flight Parameters in UAV-based 3D Reconstruction for Rooftop Infrastructure Assessment [0.08192907805418585]
UAVを用いた3次元ホログラフィーによる屋根上3次元再構築は,インフラ評価に有望な解決策を提供する。
既存の手法では、自律飛行経路を使用する際のモデル精度を確保するために、画像の重複率が高く、飛行時間を延長する必要があることが多い。
本研究は,複合屋上インフラの3次元再構築を最適化するために,キーフライトパラメーター地上サンプリング距離(GSD)と画像重なり合いを体系的に評価する。
論文 参考訳（メタデータ） (2025-04-02T19:43:20Z) - Robust Low-Cost Drone Detection and Classification in Low SNR Environments [0.9087641068861043]
ドローンを検知し、分類する能力について、様々な畳み込みニューラルネットワーク(CNN)を評価した。
本稿では,標準コンピュータ,ソフトウェア定義無線(SDR),アンテナを用いた低コストドローン検知システムについて紹介する。
論文 参考訳（メタデータ） (2024-06-26T12:50:55Z) - Clustering-based Learning for UAV Tracking and Pose Estimation [0.0]
本研究は,UAV追跡と2種類のLiDARを用いたポーズ推定のためのクラスタリングに基づく学習検出手法であるCL-Detを開発する。
まず、Livox AviaデータとLiDAR 360データのタイムスタンプを調整し、その後、関心のあるオブジェクト(OOI)のポイントクラウドを環境から分離します。
提案手法は,CVPR 2024 UG2+ Challengeの最終リーダーボードにおいて,競争力のあるポーズ推定性能を示し,第5位にランクインする。
論文 参考訳（メタデータ） (2024-05-27T06:33:25Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Vision Transformers, a new approach for high-resolution and large-scale
mapping of canopy heights [50.52704854147297]
分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。
このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
論文 参考訳（メタデータ） (2023-04-22T22:39:03Z) - Geometry-Aware Fruit Grasping Estimation for Robotic Harvesting in
Orchards [6.963582954232132]
幾何認識ネットワークであるA3Nは、エンドツーエンドのインスタンスセグメンテーションと把握推定を行うために提案されている。
我々は,フィールド環境下での果実の認識と検索をロボットが正確に行うことができるグローバル・ローカル・スキャン・ストラテジーを実装した。
全体として、ロボットシステムは、収穫実験において70%から85%の範囲で収穫の成功率を達成する。
論文 参考訳（メタデータ） (2021-12-08T16:17:26Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - 3D UAV Trajectory and Data Collection Optimisation via Deep
Reinforcement Learning [75.78929539923749]
無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。
UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である
本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
論文 参考訳（メタデータ） (2021-06-06T14:08:41Z) - Detection and Prediction of Nutrient Deficiency Stress using
Longitudinal Aerial Imagery [3.5417999811721677]
早期, 栄養不足ストレス(NDS)の精密検出は, 環境影響の精度だけでなく, 経済的にも重要である。
我々は,高分解能空中画像のシーケンスを収集し,セマンティクスセグメンテーションモデルを構築し,フィールド全体のndsの検出と予測を行う。
この研究は、リモートセンシングと農業の深層学習の発展に寄与し、経済と持続可能性に関する重要な社会的課題に対処している。
論文 参考訳（メタデータ） (2020-12-17T15:06:15Z) - 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)
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。