論文の概要: LanternNet: A Novel Hub-and-Spoke System to Seek and Suppress Spotted Lanternfly Populations

• arxiv url: http://arxiv.org/abs/2507.20800v1
• Date: Mon, 28 Jul 2025 13:08:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:58.126476
• Title: LanternNet: A Novel Hub-and-Spoke System to Seek and Suppress Spotted Lanternfly Populations
• Title（参考訳）: LanternNet:スポッティングされたランタンの個体群を探索・抑制する新しいハブ・アンド・スポックシステム
• Authors: Vinil Polepalli,
• Abstract要約: 侵入によって発見されたランタンフライ(SLF)は農業や生態系に重大な脅威をもたらす。 卵のスクラップ、殺虫剤、検疫などの現在の制御方法は、労働集約的で環境に有害であり、長期のSLF抑制には不十分である。 この研究は、SLF人口のスケーラブルな検出と抑制を目的とした、新しい自律ロボットHub-and-SpokeシステムであるLanternNetを紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The invasive spotted lanternfly (SLF) poses a significant threat to agriculture and ecosystems, causing widespread damage. Current control methods, such as egg scraping, pesticides, and quarantines, prove labor-intensive, environmentally hazardous, and inadequate for long-term SLF suppression. This research introduces LanternNet, a novel autonomous robotic Hub-and-Spoke system designed for scalable detection and suppression of SLF populations. A central, tree-mimicking hub utilizes a YOLOv8 computer vision model for precise SLF identification. Three specialized robotic spokes perform targeted tasks: pest neutralization, environmental monitoring, and navigation/mapping. Field deployment across multiple infested sites over 5 weeks demonstrated LanternNet's efficacy. Quantitative analysis revealed significant reductions (p < 0.01, paired t-tests) in SLF populations and corresponding improvements in tree health indicators across the majority of test sites. Compared to conventional methods, LanternNet offers substantial cost advantages and improved scalability. Furthermore, the system's adaptability for enhanced autonomy and targeting of other invasive species presents significant potential for broader ecological impact. LanternNet demonstrates the transformative potential of integrating robotics and AI for advanced invasive species management and improved environmental outcomes.
• Abstract（参考訳）: 侵入によって発見されたランタンフライ(SLF)は農業や生態系に重大な脅威を与え、広範囲に被害を与えた。 卵のスクラップ、殺虫剤、検疫などの現在の制御方法は、労働集約的で環境に有害であり、長期のSLF抑制には不十分である。 この研究は、SLF人口のスケーラブルな検出と抑制を目的とした、新しい自律ロボットHub-and-SpokeシステムであるLanternNetを紹介する。 中央のツリーミミシングハブは、YOLOv8コンピュータビジョンモデルを使用して正確なSLF識別を行う。 3つの特殊なロボットスポークは、害虫の中和、環境モニタリング、ナビゲーション/マッピングといった目標とするタスクを実行する。 5週間にわたって、複数の寄生する場所をまたいだフィールド展開は、LanternNetの有効性を実証した。 定量分析の結果,SLF群では有意な減少(p<0。01,ペアt-tests)がみられた。 従来の方法と比較して、LanternNetは相当なコスト上の利点とスケーラビリティの向上を提供する。 さらに、システムによる自律性の向上や他の外来種の標的化への適応性は、より広範な生態学的影響の可能性を示唆している。 LanternNetは、高度な侵略的な種管理と環境改善のためにロボットとAIを統合する、変革的な可能性を実証している。

関連論文リスト

• DEAL-YOLO: Drone-based Efficient Animal Localization using YOLO [0.0]
  本研究は,無人航空機(UAV)画像における小型物体検出を改善する新しい手法を提案する。 Deal-YOLO は Wise IoU (WIoU) や Normalized Wasserstein Distance (NWD) のような多目的損失関数を採用しており、バウンディングボックスの中央付近のピクセルを優先している。 このモデルはLinear Deformable (LD)畳み込みによる効率的な特徴抽出により最適化され、計算効率を維持しながら精度を向上する。
  論文  参考訳（メタデータ） (2025-03-06T18:46:10Z)
• Plant Doctor: A hybrid machine learning and image segmentation software to quantify plant damage in video footage [0.0]
  本研究では,アクセス可能なカメラで撮影した映像を用いて,街路植物の自動診断を行うAIシステムを提案する。 本システムは,都市部における病気のコントロールを支援するため,日常的に植物の健康をモニタリングすることを目的としている。 その結果, 葉の損傷診断におけるシステムの堅牢性と精度が示され, 大規模都会の植物病モニタリングにも応用できる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-07-03T07:11:18Z)
• LanEvil: Benchmarking the Robustness of Lane Detection to Environmental Illusions [61.87108000328186]
  レーン検出(LD)は自律走行システムにおいて不可欠な要素であり、適応型クルーズ制御や自動車線センターなどの基本的な機能を提供している。 既存のLDベンチマークは主に、環境錯覚に対するLDモデルの堅牢性を無視し、一般的なケースを評価することに焦点を当てている。 本稿では、LDに対する環境錯覚による潜在的な脅威について検討し、LanEvilの最初の総合ベンチマークを確立する。
  論文  参考訳（メタデータ） (2024-06-03T02:12:27Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• Early Detection of Bark Beetle Attack Using Remote Sensing and Machine Learning: A Review [7.715886336430544]
  本総説では,全てのRSシステムを網羅し,その長所と短所を調査するためのML/DL手法を強調した。 我々は,多種多種多種多種多種多種多種多種多種多種多種・攻撃相・研究領域・RSプラットフォーム・センサ・スペクトル・空間・時間分解能・スペクトルシグネチャ・スペクトル植生指標・スペクトル植生指標(SVI)を解析し,その知識を抽出する。 DL法とランダムフォレスト(RF)アルゴリズムは有望な結果を示したが,効果は限定的であり,不確実性も高い。
  論文  参考訳（メタデータ） (2022-10-07T21:49:26Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• LANTERN-RD: Enabling Deep Learning for Mitigation of the Invasive Spotted Lanternfly [0.0]
  スポット・ランタンフライ(英: Spotted Lanternfly、SLF)は、アメリカ合衆国北東部や日本などの地域の生物多様性と農業経済を脅かす侵入性植物ホッパーである。 検出、ポーズ推定、正確な識別などのコンピュータビジョンタスクには、SLFを組み込む上で重要な下流の影響を持つ可能性がある。 そこで本研究では,ランタンフライとその外見に関する最初の画像データセットであるLANTERN-RDを提案する。
  論文  参考訳（メタデータ） (2022-05-12T23:37:29Z)
• Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
  個人再識別のための教師なし領域適応手法を提案する。 実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-01-14T17:43:52Z)

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。