論文の概要: Computer Vision based Automated Quantification of Agricultural Sprayers Boom Displacement
- arxiv url: http://arxiv.org/abs/2506.19939v1
- Date: Tue, 24 Jun 2025 18:30:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-26 21:00:42.504992
- Title: Computer Vision based Automated Quantification of Agricultural Sprayers Boom Displacement
- Title（参考訳）: コンピュータビジョンによる農業用噴霧機ブーム変位の自動定量化
- Authors: Aryan Singh Dalal, Sidharth Rai, Rahul Singh, Treman Singh Kaloya, Rahul Harsha Cheppally, Ajay Sharda,
- Abstract要約: 自走式農薬散布機を農業生産に使用する際の適用率の誤差が懸念されている。
スプラッシュブーム不安定性は、アプリケーションのエラーに対する主要な貢献者の1つである。
本研究では,各種農業用スプレー機のブーム運動を定量化するコンピュータビジョンシステムを開発した。
- 参考スコア（独自算出の注目度）: 2.096542203553544
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Application rate errors when using self-propelled agricultural sprayers for agricultural production remain a concern. Among other factors, spray boom instability is one of the major contributors to application errors. Spray booms' width of 38m, combined with 30 kph driving speeds, varying terrain, and machine dynamics when maneuvering complex field boundaries, make controls of these booms very complex. However, there is no quantitative knowledge on the extent of boom movement to systematically develop a solution that might include boom designs and responsive boom control systems. Therefore, this study was conducted to develop an automated computer vision system to quantify the boom movement of various agricultural sprayers. A computer vision system was developed to track a target on the edge of the sprayer boom in real time. YOLO V7, V8, and V11 neural network models were trained to track the boom's movements in field operations to quantify effective displacement in the vertical and transverse directions. An inclinometer sensor was mounted on the boom to capture boom angles and validate the neural network model output. The results showed that the model could detect the target with more than 90 percent accuracy, and distance estimates of the target on the boom were within 0.026 m of the inclinometer sensor data. This system can quantify the boom movement on the current sprayer and potentially on any other sprayer with minor modifications. The data can be used to make design improvements to make sprayer booms more stable and achieve greater application accuracy.
- Abstract（参考訳）: 自走式農薬散布機を農業生産に使用する際の適用率の誤差が懸念されている。
その他の要因の1つは、スプラッシュブーム不安定がアプリケーションのエラーの原因となっていることである。
スプレーブームの幅は38mで、30kphの駆動速度、様々な地形、複雑なフィールド境界の操作時の機械動力学が組み合わさって、これらのブームの制御を非常に複雑にしている。
しかし、ブームデザインや応答型ブーム制御システムを含むソリューションを体系的に開発するブーム運動の程度について、定量的な知識は存在しない。
そこで本研究では,各種農業用スプレー機のブーム運動を定量化するコンピュータビジョンシステムを開発した。
コンピュータビジョンシステムは、噴霧器ブームの端にあるターゲットをリアルタイムで追跡するために開発された。
YOLO V7、V8、V11ニューラルネットワークモデルは、フィールド操作におけるブームの動きを追跡し、垂直方向と横方向の効果的な変位を定量化するために訓練された。
ブームに傾斜計センサーを装着し、ブーム角を捉え、ニューラルネットワークモデルの出力を検証する。
その結果, モデルが90%以上の精度で目標を検出でき, ブーム時の目標距離は, 傾斜センサデータから0.026m以内であった。
このシステムは、現在の噴霧器や、小さな変更を加えて他の噴霧器上でのブーム運動を定量化することができる。
このデータを使って設計の改善を行い、スプリンクラーブームをより安定させ、アプリケーションの精度を高めることができる。
関連論文リスト
- Natural Reflection Backdoor Attack on Vision Language Model for Autonomous Driving [55.96227460521096]
視覚言語モデル(VLM)は推論能力を高めるために自律運転システムに統合されている。
本稿では,自律運転シナリオにおけるVLMシステムを対象とした自然反射型バックドアアタックを提案する。
我々の発見は、自動運転の厳しいリアルタイム要求を生かした、新たなタイプの攻撃を発見しました。
論文 参考訳（メタデータ） (2025-05-09T20:28:17Z) - Optimizing Indoor Farm Monitoring Efficiency Using UAV: Yield Estimation in a GNSS-Denied Cherry Tomato Greenhouse [6.845690057916755]
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。
論文 参考訳（メタデータ） (2025-05-02T04:41:57Z) - RoMu4o: A Robotic Manipulation Unit For Orchard Operations Automating Proximal Hyperspectral Leaf Sensing [2.1038216828914145]
葉レベルハイパースペクトル分光法は、表現型化、作物の健康のモニタリング、植物中の必須栄養素の同定、病気や水ストレスの検出に強力なツールであることが示されている。
この研究は、果樹園操作のためのロボット操作ユニットであるRoMu4oを紹介した。
論文 参考訳（メタデータ） (2025-01-18T01:04:02Z) - Is That Rain? Understanding Effects on Visual Odometry Performance for Autonomous UAVs and Efficient DNN-based Rain Classification at the Edge [1.8936798735951972]
最先端のローカルトラッキングと軌道計画は通常、飛行制御アルゴリズムにカメラセンサーを入力して実行される。
最先端のビジュアル・オドメトリーシステムでは, 1.5mの最悪ケース平均追跡誤差が可能であることを示す。
我々は、モバイルおよび制約されたデプロイメントシナリオに適したディープニューラルネットワークモデルのセットをトレーニングし、これらの雨の条件を効率的に正確に分類できる範囲を判断する。
論文 参考訳（メタデータ） (2024-07-17T15:47:25Z) - 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) - Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
高速物体把握のための完全自律飛行ロボットが提案されている。
追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。
我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
論文 参考訳（メタデータ） (2021-12-10T11:49:51Z) - Automated Pest Detection with DNN on the Edge for Precision Agriculture [0.0]
本稿では,機械学習(ML)機能により強化された組込みシステムについて,果樹園内での害虫感染の連続検出を確実にする。
3つの異なるMLアルゴリズムがトレーニングされ、デプロイされ、プラットフォームの能力を強調している。
その結果,農夫の介入なしに無期限に害虫感染処理を自動化できることが示唆された。
論文 参考訳（メタデータ） (2021-08-01T10:17:48Z) - 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) - Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of
legged robots [58.720142291102135]
スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。
終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
論文 参考訳（メタデータ） (2021-01-24T12:44:38Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳（メタデータ） (2020-07-14T05:25:15Z)
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。