論文の概要: Advancements in Weed Mapping: A Systematic Review
- arxiv url: http://arxiv.org/abs/2507.01269v1
- Date: Wed, 02 Jul 2025 01:02:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-03 14:22:59.969404
- Title: Advancements in Weed Mapping: A Systematic Review
- Title（参考訳）: 雑草マッピングの進歩:システムレビュー
- Authors: Mohammad Jahanbakht, Alex Olsen, Ross Marchant, Emilie Fillols, Mostafa Rahimi Azghadi,
- Abstract要約: 雑草分布の正確なタイムリーなデータを提供することにより、雑草マッピングは精密管理において重要な役割を果たす。
雑草マッピングの最近の進歩は、地上車両のレッドグリーンブルー(RGB)カメラ、衛星とドローンをベースとしたリモートセンシング、スペクトル、近赤外線(NIR)、サーマルカメラなどのセンサーを併用している。
得られたデータは、ビッグデータ分析や機械学習といった高度な技術を使って処理される。
- 参考スコア（独自算出の注目度）: 3.243921692895637
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Weed mapping plays a critical role in precision management by providing accurate and timely data on weed distribution, enabling targeted control and reduced herbicide use. This minimizes environmental impacts, supports sustainable land management, and improves outcomes across agricultural and natural environments. Recent advances in weed mapping leverage ground-vehicle Red Green Blue (RGB) cameras, satellite and drone-based remote sensing combined with sensors such as spectral, Near Infra-Red (NIR), and thermal cameras. The resulting data are processed using advanced techniques including big data analytics and machine learning, significantly improving the spatial and temporal resolution of weed maps and enabling site-specific management decisions. Despite a growing body of research in this domain, there is a lack of comprehensive literature reviews specifically focused on weed mapping. In particular, the absence of a structured analysis spanning the entire mapping pipeline, from data acquisition to processing techniques and mapping tools, limits progress in the field. This review addresses these gaps by systematically examining state-of-the-art methods in data acquisition (sensor and platform technologies), data processing (including annotation and modelling), and mapping techniques (such as spatiotemporal analysis and decision support tools). Following PRISMA guidelines, we critically evaluate and synthesize key findings from the literature to provide a holistic understanding of the weed mapping landscape. This review serves as a foundational reference to guide future research and support the development of efficient, scalable, and sustainable weed management systems.
- Abstract（参考訳）: 雑草分布の正確なタイムリーなデータを提供することによって、雑草マッピングは精密管理において重要な役割を担い、標的制御と除草剤の使用を減らすことができる。
これにより、環境への影響を最小限に抑え、持続可能な土地管理をサポートし、農業や自然環境全体での結果を改善することができる。
雑草マッピングの最近の進歩は、地上車両のレッドグリーンブルー(RGB)カメラ、衛星とドローンをベースとしたリモートセンシング、スペクトル、近赤外線(NIR)、サーマルカメラなどのセンサーを併用している。
得られたデータは、ビッグデータ分析や機械学習などの高度な技術を用いて処理され、雑草マップの空間的および時間的解像度を大幅に改善し、サイト固有の管理決定を可能にする。
この領域では研究の活発化にもかかわらず、雑草マッピングに特化した総合的な文献レビューが欠落している。
特に、データ取得から処理技術やマッピングツールに至るまで、マッピングパイプライン全体にわたる構造化解析が存在しないため、フィールドの進捗は制限される。
データ取得(センサとプラットフォーム技術)、データ処理(アノテーションとモデリングを含む)、マッピング技術(時空間分析や意思決定支援ツールなど)の最先端手法を体系的に検討することで、これらのギャップに対処する。
PRISMAガイドラインに従って,本論文の重要な知見を批判的に評価,合成し,雑草マッピング景観の全体的理解を提供する。
このレビューは、将来の研究をガイドし、効率的でスケーラブルで持続可能な雑草管理システムの開発を支援するための基礎的な参考となる。
関連論文リスト
- On the use of Graphs for Satellite Image Time Series [3.2623791881739033]
本稿では,遠隔センシングにおけるグラフベース手法の統合について検討する。
SITS分析に取り組むために,汎用的なグラフベースのパイプラインを提案することを目的としている。
本論文は,土地被覆マッピングと水量予測データセットに対するグラフベースのアプローチの可能性を明らかにするための,レビューと2つのケーススタディを含む。
論文 参考訳（メタデータ） (2025-05-22T13:53:36Z) - Data Augmentation and Resolution Enhancement using GANs and Diffusion Models for Tree Segmentation [49.13393683126712]
都市森林は、環境の質を高め、都市における生物多様性を支援する上で重要な役割を担っている。
複雑な地形と異なる衛星センサーやUAV飛行高度による画像解像度の変化により、正確に木を検知することは困難である。
低解像度空中画像の品質を高めるため,GANと拡散モデルとドメイン適応を統合した新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2025-05-21T03:57:10Z) - WeedsGalore: A Multispectral and Multitemporal UAV-based Dataset for Crop and Weed Segmentation in Agricultural Maize Fields [0.7421845364041001]
雑草は作物の収穫が減少する主な原因の1つであるが、現在の雑草の慣行は、効率的で標的とした方法で雑草を管理するのに失敗している。
農作物畑における作物と雑草のセマンティックスとインスタンスセグメンテーションのための新しいデータセットを提案する。
論文 参考訳（メタデータ） (2025-02-18T18:13:19Z) - Weakly Supervised Framework Considering Multi-temporal Information for Large-scale Cropland Mapping with Satellite Imagery [11.157693752084214]
本研究では,大規模農地マッピングのための多時期情報を考慮した弱教師付き枠組みを提案する。
我々は,グローバルランドカバー(GLC)製品間の整合性に応じて高品質なラベルを抽出し,教師付き学習信号を構築する。
提案手法は大規模農地マッピングにおいて,3つの研究領域にまたがる適応性について実験的に検証されている。
論文 参考訳（メタデータ） (2024-11-27T16:11:52Z) - LiDAR data acquisition and processing for ecology applications [0.0]
地球レーザースキャナー (TLS) は、植生の3次元構造を再構築するために生態学に用いられている。
LiDARの向きは垂直面で観測するために変更され、モーターが回転するために統合された。
得られたデータから,植生高さに沿った点密度変動のヒストグラムを作成した。
論文 参考訳（メタデータ） (2024-01-11T13:03:27Z) - 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) - SSL-SoilNet: A Hybrid Transformer-based Framework with Self-Supervised Learning for Large-scale Soil Organic Carbon Prediction [2.554658234030785]
本研究は,自己指導型コントラスト学習を通じて,マルチモーダル特徴間の地理的関連を学習することを目的とした,新しいアプローチを提案する。
提案手法は、2つの異なる大規模データセットに対して厳密なテストを行っている。
論文 参考訳（メタデータ） (2023-08-07T13:44:44Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳（メタデータ） (2022-09-28T18:51:59Z) - Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。
本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
論文 参考訳（メタデータ） (2022-04-24T15:23:25Z) - 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) - A review of machine learning in processing remote sensing data for
mineral exploration [0.41998444721319217]
本稿では,最近確立したリモートセンシングデータ処理のための機械学習手法の実装と適応について概説する。
異なる鉱床の探査への応用について研究している。
論文 参考訳（メタデータ） (2021-03-13T10:36:25Z)
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。