論文の概要: Hydra: Accurate Multi-Modal Leaf Wetness Sensing with mm-Wave and Camera Fusion
- arxiv url: http://arxiv.org/abs/2508.02409v1
- Date: Mon, 04 Aug 2025 13:33:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-05 18:25:22.355884
- Title: Hydra: Accurate Multi-Modal Leaf Wetness Sensing with mm-Wave and Camera Fusion
- Title（参考訳）: Hydra:mm波とカメラフュージョンを用いた高精度多モードリーフ重み検出
- Authors: Yimeng Liu, Maolin Gan, Huaili Zeng, Li Liu, Younsuk Dong, Zhichao Cao,
- Abstract要約: 葉の湿性期間(LWD)は植物病の発症に不可欠である。
以前の研究では様々なアプローチが提案されていたが、実際の天然の葉を直接測定することはできなかった。
本稿では,ミリ波レーダとカメラ技術を統合して葉の濡れを検知するHydraを提案する。
- 参考スコア（独自算出の注目度）: 6.047529821743112
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Leaf Wetness Duration (LWD), the time that water remains on leaf surfaces, is crucial in the development of plant diseases. Existing LWD detection lacks standardized measurement techniques, and variations across different plant characteristics limit its effectiveness. Prior research proposes diverse approaches, but they fail to measure real natural leaves directly and lack resilience in various environmental conditions. This reduces the precision and robustness, revealing a notable practical application and effectiveness gap in real-world agricultural settings. This paper presents Hydra, an innovative approach that integrates millimeter-wave (mm-Wave) radar with camera technology to detect leaf wetness by determining if there is water on the leaf. We can measure the time to determine the LWD based on this detection. Firstly, we design a Convolutional Neural Network (CNN) to selectively fuse multiple mm-Wave depth images with an RGB image to generate multiple feature images. Then, we develop a transformer-based encoder to capture the inherent connection among the multiple feature images to generate a feature map, which is further fed to a classifier for detection. Moreover, we augment the dataset during training to generalize our model. Implemented using a frequency-modulated continuous-wave (FMCW) radar within the 76 to 81 GHz band, Hydra's performance is meticulously evaluated on plants, demonstrating the potential to classify leaf wetness with up to 96% accuracy across varying scenarios. Deploying Hydra in the farm, including rainy, dawn, or poorly light nights, it still achieves an accuracy rate of around 90%.
- Abstract（参考訳）: 葉の湿性期間(Leaf Wetness Duration, LWD)は、葉面に水が残っている期間であり、植物病の発生に不可欠である。
既存のLWD検出には標準化された測定技術が欠けており、異なる植物特性のバリエーションが有効性を制限している。
以前の研究では様々なアプローチが提案されていたが、実際の天然の葉を直接測定することはできず、様々な環境条件下ではレジリエンスが欠如している。
これにより精度と堅牢性が低下し、現実の農業環境における顕著な実践的応用と効果のギャップが明らかになる。
本稿では,ミリ波レーダとカメラ技術を統合し,葉に水があるかどうかを判断して葉の湿気を検出する手法であるHydraを提案する。
この検出に基づいてLWDを決定する時間を測定することができる。
まず、RGB画像で複数のmm波深度画像を選択的に融合して複数の特徴画像を生成する畳み込みニューラルネットワーク(CNN)を設計する。
次に,複数の特徴画像間の固有接続をキャプチャして特徴マップを生成するトランスフォーマーベースのエンコーダを開発し,さらに検出のための分類器に供給する。
さらに、トレーニング中にデータセットを拡張して、モデルを一般化します。
周波数変調連続波(FMCW)レーダーを76 GHz帯から81 GHz帯に実装し、ヒドラの性能を綿密に評価し、様々なシナリオで最大96%の精度で葉の濡れを分類する可能性を実証した。
雨や夜明け、軽度の夜間を含む農場にハイドラを配備すると、精度は約90%に達する。
関連論文リスト
- Hydra-Bench: A Benchmark for Multi-Modal Leaf Wetness Sensing [5.54739216930577]
本稿では,葉の濡れ度検出における機械学習アルゴリズムの評価と進展に特化して設計された,新しいマルチモーダルデータセットを提案する。
本データセットは,5種の植物から6ヶ月以上にわたって収集したmWave生データ,合成開口レーダ(SAR)画像,RGB画像から構成した。
論文 参考訳（メタデータ） (2025-07-30T13:47:56Z) - TacoDepth: Towards Efficient Radar-Camera Depth Estimation with One-stage Fusion [54.46664104437454]
一段核融合を用いた効率的かつ正確なレーダ・カメラ深度推定モデルであるTacoDepthを提案する。
具体的には、グラフベースのRadar構造抽出器とピラミッドベースのRadar融合モジュールを設計する。
従来の最先端のアプローチと比較して、TacoDepthは深さ精度と処理速度を12.8%、91.8%改善している。
論文 参考訳（メタデータ） (2025-04-16T05:25:04Z) - Multi-photon enhanced resolution for Superconducting Nanowire Single-Photon Detector-based Time-of-Flight lidar systems [0.0]
本稿では,導波管集積型SNSPDを用いたライダーシステムについて報告する。
単発計測では、低光子数に対して21$,$psの飛行時間信号のジッタが原因でミリモードの分解能が得られた。
マルチショット計測では、0.75$,$mmのサブミリレンジ精度を発見し、スキャン対象のさらなる表面情報を明らかにする。
論文 参考訳（メタデータ） (2025-03-19T15:47:16Z) - A Multi-Sensor Fusion Approach for Rapid Orthoimage Generation in Large-Scale UAV Mapping [3.321306647655686]
グローバル測位システム(GPS)、慣性計測ユニット(IMU)、4Dミリ波レーダとカメラを統合したマルチセンサUAVシステムにより、この問題に対する効果的な解決策を提供することができる。
予め最適化された特徴マッチング手法を導入し、マッチング速度と精度を向上させる。
実験の結果,提案手法は短時間で正確な特徴マッチングを実現できることがわかった。
論文 参考訳（メタデータ） (2025-03-03T05:55:30Z) - WAVES: Benchmarking the Robustness of Image Watermarks [67.955140223443]
WAVES(Watermark Analysis Via Enhanced Stress-testing)は、画像透かしの堅牢性を評価するためのベンチマークである。
我々は,検出タスクと識別タスクを統合し,多様なストレステストからなる標準化された評価プロトコルを確立する。
我々はWAVESを,ロバストな透かしの将来の開発のためのツールキットとして想定する。
論文 参考訳（メタデータ） (2024-01-16T18:58:36Z) - Mapping Walnut Water Stress with High Resolution Multispectral UAV
Imagery and Machine Learning [0.0]
本研究では、ランダムフォレストモデル(RF)を用いて、茎水電位(SWP)をマッピングする機械学習手法を提案する。
2017年から2018年にかけて、商業用クルミ果樹園で7バンドのマルチスペクトルカメラを搭載したUAVの5回の飛行が行われた。
直交UAV画像と気象データから得られた植生指標を利用したRF回帰モデルにより,効果的に地盤計測SWPを推定する。
RF分類モデルでは, クルミの木中の水ストレスレベルを85%の精度で予測し, 還元された分類モデルの80%を超える精度を示した。
論文 参考訳（メタデータ） (2023-12-30T02:58:45Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - Diffusion Probabilistic Model Made Slim [128.2227518929644]
軽量画像合成のためのスリム拡散確率モデル(DPM)のカスタマイズ設計を提案する。
一連の条件および非条件画像生成タスクにおける遅延拡散モデルと比較して,計算複雑性を8-18倍に削減する。
論文 参考訳（メタデータ） (2022-11-27T16:27:28Z) - Anomaly Detection in IR Images of PV Modules using Supervised
Contrastive Learning [4.409996772486956]
我々は、赤外線画像の異常を検出するために、教師付きコントラスト損失を伴うResNet-34畳み込みニューラルネットワークを訓練する。
本手法は,未知の種類の異常を迅速かつ確実に検出し,実践に適した手法である。
我々の研究は、教師なしドメイン適応を用いたPVモジュール故障検出をより現実的な視点でコミュニティに提供します。
論文 参考訳（メタデータ） (2021-12-06T10:42:28Z) - M2TR: Multi-modal Multi-scale Transformers for Deepfake Detection [74.19291916812921]
Deepfake技術によって生成された鍛造画像は、デジタル情報の信頼性に深刻な脅威をもたらします。
本稿では,Deepfake検出のための微妙な操作アーチファクトを異なるスケールで捉えることを目的とする。
最先端の顔スワッピングと顔の再現方法によって生成された4000のDeepFakeビデオで構成される高品質のDeepFakeデータセットSR-DFを紹介します。
論文 参考訳（メタデータ） (2021-04-20T05:43:44Z) - Recurrent Exposure Generation for Low-Light Face Detection [113.25331155337759]
本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。
REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。
このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
論文 参考訳（メタデータ） (2020-07-21T17:30:51Z) - Conditional Variational Image Deraining [158.76814157115223]
キャラクタリゼーション性能向上のための条件変分画像レイニング(CVID)ネットワーク
本研究では,各画像の降雨密度マップを推定するための空間密度推定(SDE)モジュールを提案する。
合成および実世界のデータセットを用いた実験により,提案したCVIDネットワークは,画像のデライニングにおける従来の決定論的手法よりもはるかに優れた性能が得られることが示された。
論文 参考訳（メタデータ） (2020-04-23T11:51:38Z)
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。