論文の概要: Online Estimation of Table-Top Grown Strawberry Mass in Field Conditions with Occlusions
- arxiv url: http://arxiv.org/abs/2507.23487v1
- Date: Thu, 31 Jul 2025 12:10:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-01 17:19:09.73046
- Title: Online Estimation of Table-Top Grown Strawberry Mass in Field Conditions with Occlusions
- Title(参考訳): 排卵を伴うフィールド条件下におけるテーブルトップ栽培イチゴのオンライン推定
- Authors: Jinshan Zhen, Yuanyue Ge, Tianxiao Zhu, Hui Zhao, Ya Xiong,
- Abstract要約: 本研究では、RGB-Dセンシングとディープラーニングを統合したビジョンベースパイプラインを提案し、非破壊的、リアルタイム、オンラインの質量推定を可能にする。
実験では、イチゴが8.11%、閉塞例が10.47%の質量推定誤差が示された。
- 参考スコア(独自算出の注目度): 2.736203444988168
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Accurate mass estimation of table-top grown strawberries under field conditions remains challenging due to frequent occlusions and pose variations. This study proposes a vision-based pipeline integrating RGB-D sensing and deep learning to enable non-destructive, real-time and online mass estimation. The method employed YOLOv8-Seg for instance segmentation, Cycle-consistent generative adversarial network (CycleGAN) for occluded region completion, and tilt-angle correction to refine frontal projection area calculations. A polynomial regression model then mapped the geometric features to mass. Experiments demonstrated mean mass estimation errors of 8.11% for isolated strawberries and 10.47% for occluded cases. CycleGAN outperformed large mask inpainting (LaMa) model in occlusion recovery, achieving superior pixel area ratios (PAR) (mean: 0.978 vs. 1.112) and higher intersection over union (IoU) scores (92.3% vs. 47.7% in the [0.9-1] range). This approach addresses critical limitations of traditional methods, offering a robust solution for automated harvesting and yield monitoring with complex occlusion patterns.
- Abstract(参考訳): 野外条件下での卓上栽培イチゴの正確な質量推定は, 頻繁な閉塞と変動のため, 依然として困難である。
本研究では、RGB-Dセンシングとディープラーニングを統合したビジョンベースパイプラインを提案し、非破壊的、リアルタイム、オンラインの質量推定を可能にする。
この手法では, YOLOv8-Segを例分割に用い, 閉領域完了のためのサイクル一貫性生成逆数ネットワーク (CycleGAN) と, 正面投影面積計算を改良するための傾角補正を行った。
多項式回帰モデルは、幾何学的特徴を質量にマッピングした。
実験では、イチゴが8.11%、閉塞例が10.47%の質量推定誤差が示された。
サイクロンGANはオクルージョン回復において大きなマスク塗布(LaMa)モデルより優れ, 優れたピクセル面積比(PAR) (平均値0.978 vs. 1.112) を達成し, IoU (92.3% vs. 47.7%) のスコアが高い(0.9-1)。
このアプローチは従来の手法の重要な制限に対処し、複雑な閉塞パターンによる自動収穫と収量監視のための堅牢なソリューションを提供する。
関連論文リスト
- ReconMOST: Multi-Layer Sea Temperature Reconstruction with Observations-Guided Diffusion [48.540756751934836]
ReconMOSTは多層水温再構築のためのデータ駆動誘導拡散モデルフレームワークである。
提案手法はMLベースのSST再構成をグローバルな多層設定に拡張し,92.5%以上の欠落データを処理する。
論文 参考訳(メタデータ) (2025-06-12T06:27:22Z) - Minimax Regret Estimation for Generalizing Heterogeneous Treatment Effects with Multisite Data [3.434624857389692]
異種集団の多地点データを用いたロバストなCATE(条件平均処理効果)推定手法を開発した。
得られたCATEモデルは、サイト固有CATEモデルの重み付き平均として表される、解釈可能な閉形式解を持つことを示す。
論文 参考訳(メタデータ) (2024-12-15T10:00:07Z) - Amortized Posterior Sampling with Diffusion Prior Distillation [55.03585818289934]
Amortized Posterior Smplingは、逆問題における効率的な後方サンプリングのための新しい変分推論手法である。
本手法は,拡散モデルにより暗黙的に定義された変動分布と後続分布とのばらつきを最小限に抑えるために条件付き流れモデルを訓練する。
既存の手法とは異なり、我々のアプローチは教師なしであり、ペア化されたトレーニングデータを必要としておらず、ユークリッドと非ユークリッドの両方のドメインに適用できる。
論文 参考訳(メタデータ) (2024-07-25T09:53:12Z) - Dual-band feature selection for maturity classification of specialty crops by hyperspectral imaging [5.905721043072562]
イチゴやトマトなどの特産作物の成熟度分類は、農業の下流における重要な活動である。
近年のDeep Learningの進歩は、成熟度分類のためのカラー画像の奨励的な結果を生み出している。
成熟度分類のための特徴抽出法を提案する。
論文 参考訳(メタデータ) (2024-05-16T10:01:16Z) - RULSurv: A probabilistic survival-based method for early censoring-aware prediction of remaining useful life in ball bearings [39.58317527488534]
Kullback-Leibler分散とRUL推定を用いた早期故障検出のための新しいフレキシブルな手法を提案する。
我々は,XJTU-SYデータセットにおいて,3つの異なる操作条件にまたがる5倍のクロスバリデーション戦略を用いてアプローチを実証する。
提案手法は,最大荷重下での5軸受の平均累積相対精度(CRA)を0.7586で達成し,複数の最先端ベースラインを改良する。
論文 参考訳(メタデータ) (2024-05-02T16:17:29Z) - Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳(メタデータ) (2023-09-12T13:28:06Z) - Super-resolution GANs of randomly-seeded fields [68.8204255655161]
ランダムスパースセンサからフィールド量の推定を行うための,GAN(Super- resolution Generative Adversarial Network)フレームワークを提案する。
このアルゴリズムはランダムサンプリングを利用して、高解像度の基底分布の不完全ビューを提供する。
提案手法は, 流体流動シミュレーション, 海洋表面温度分布測定, 粒子画像速度測定データの合成データベースを用いて検証した。
論文 参考訳(メタデータ) (2022-02-23T18:57:53Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳(メタデータ) (2020-09-29T21:17:16Z)
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。