論文の概要: Modular, On-Site Solutions with Lightweight Anomaly Detection for Sustainable Nutrient Management in Agriculture

• arxiv url: http://arxiv.org/abs/2509.12247v1
• Date: Thu, 11 Sep 2025 21:14:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-17 17:50:52.645642
• Title: Modular, On-Site Solutions with Lightweight Anomaly Detection for Sustainable Nutrient Management in Agriculture
• Title（参考訳）: 農業における持続的栄養管理のための軽量異常検出用モジュールオンサイト溶液
• Authors: Abigail R. Cohen, Yuming Sun, Zhihao Qin, Harsh S. Muriki, Zihao Xiao, Yeonju Lee, Matthew Housley, Andrew F. Sharkey, Rhuanito S. Ferrarezi, Jing Li, Lu Gan, Yongsheng Chen,
• Abstract要約: 本研究は,異常検出とステータス推定のためのフレキシブルでタイトなパイプラインを提案する。 効率と精度のスペクトルにまたがるアプローチの包括的エネルギー分析を含む。 その結果, 高効率な異常検出 (移植後9日後のT3サンプルのネット検出率は73%) が, 窒素の吸収エネルギーよりも低エネルギーであった。
• 参考スコア（独自算出の注目度）: 7.077797225324264
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Efficient nutrient management is critical for crop growth and sustainable resource consumption (e.g., nitrogen, energy). Current approaches require lengthy analyses, preventing real-time optimization; similarly, imaging facilitates rapid phenotyping but can be computationally intensive, preventing deployment under resource constraints. This study proposes a flexible, tiered pipeline for anomaly detection and status estimation (fresh weight, dry mass, and tissue nutrients), including a comprehensive energy analysis of approaches that span the efficiency-accuracy spectrum. Using a nutrient depletion experiment with three treatments (T1-100%, T2-50%, and T3-25% fertilizer strength) and multispectral imaging (MSI), we developed a hierarchical pipeline using an autoencoder (AE) for early warning. Further, we compared two status estimation modules of different complexity for more detailed analysis: vegetation index (VI) features with machine learning (Random Forest, RF) and raw whole-image deep learning (Vision Transformer, ViT). Results demonstrated high-efficiency anomaly detection (73% net detection of T3 samples 9 days after transplanting) at substantially lower energy than embodied energy in wasted nitrogen. The state estimation modules show trade-offs, with ViT outperforming RF on phosphorus and calcium estimation (R2 0.61 vs. 0.58, 0.48 vs. 0.35) at higher energy cost. With our modular pipeline, this work opens opportunities for edge diagnostics and practical opportunities for agricultural sustainability.
• Abstract（参考訳）: 効率的な栄養管理は、作物の成長と持続可能な資源消費(例えば、窒素、エネルギー)にとって重要である。 同様に、イメージングは高速な表現型化を促進するが、計算集約性があり、リソース制約下でのデプロイメントを防止できる。 本研究は, フレッシュウェイト, ドライマス, 組織栄養素) の異常検出および状態推定のための, フレキシブルでタイトなパイプラインを提案し, 効率・精度のスペクトルにまたがるアプローチの包括的エネルギー分析を行った。 T1-100%,T2-50%,T3-25%の施肥強度)とマルチスペクトルイメージング(MSI)を併用した栄養失調実験を行い,早期警戒のためにオートエンコーダ(AE)を用いた階層パイプラインを開発した。 さらに,植生指標(VI)と機械学習(Random Forest, RF)と生の全体像ディープラーニング(Vision Transformer, ViT)の2つの状態推定モジュールを比較し,より詳細な分析を行った。 その結果, 高効率な異常検出 (移植後9日後のT3サンプルのネット検出率は73%) が, 窒素の吸収エネルギーよりも低エネルギーであった。 状態推定モジュールはトレードオフを示し、VTはリンに対してRFよりも優れ、エネルギーコストが高い(R2 0.61 vs. 0.58, 0.48 vs. 0.35)。 モジュールパイプラインでは、エッジ診断の機会と、農業の持続可能性に関する実践的な機会が開かれます。

関連論文リスト

• EfficientLLM: Efficiency in Large Language Models [64.3537131208038]
  大規模言語モデル(LLM)は大きな進歩を導いてきたが、その増加とコンテキストウィンドウは計算、エネルギー、金銭的コストを禁止している。 本稿では,新しいベンチマークであるEfficientLLMを紹介する。
  論文  参考訳（メタデータ） (2025-05-20T02:27:08Z)
• IPENS:Interactive Unsupervised Framework for Rapid Plant Phenotyping Extraction via NeRF-SAM2 Fusion [7.103482669612749]
  IPENSは、教師なしマルチターゲットポイントクラウド抽出手法である。 粒度セグメンテーション精度(mIoU)は63.72%である。 また、コムギデータセットのセグメンテーション精度を89.68%(mIoU)に改善する。
  論文  参考訳（メタデータ） (2025-05-19T18:13:09Z)
• Latent Diffusion Autoencoders: Toward Efficient and Meaningful Unsupervised Representation Learning in Medical Imaging [41.446379453352534]
  LDAE(Latent Diffusion Autoencoder)は、医用画像における効率的で有意義な教師なし学習のための、エンコーダ-デコーダ拡散に基づく新しいフレームワークである。 本研究は,ADNIデータベースの脳MRIを用いたアルツハイマー病(AD)を事例として検討した。
  論文  参考訳（メタデータ） (2025-04-11T15:37:46Z)
• Schrödinger Diffusion Driven Signal Recovery in 3T BOLD fMRI Using Unmatched 7T Observations [1.8091533096543726]
  本稿では,3T BOLD fMRI 取得の品質向上を目的とした新しい計算手法を提案する。 我々は、軽量で教師なしのSchr"odinger Bridgeフレームワークを使用して、3Tデータの高SNR、高解像度のデータを推測する。 以上の結果から,標準的な3T取得から7Tレベルの品質を計算的に近似することが可能であることが示唆された。
  論文  参考訳（メタデータ） (2025-04-01T17:41:24Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [53.2981100111204]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• AI-Powered Dynamic Fault Detection and Performance Assessment in Photovoltaic Systems [44.99833362998488]
  太陽光発電(PV)の断続的な性質により、電力損失は10-70%、エネルギー生産量は25%減少する。 現在の故障検出戦略はコストが高く、複雑なデータ信号プロファイルのために信頼性の低い結果が得られることが多い。 本研究では,PythonのPVlibライブラリを用いた動的損失量子化アルゴリズムを取り入れた計算モデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T23:52:06Z)
• Generating high-quality 3DMPCs by adaptive data acquisition and NeREF-based radiometric calibration with UGV plant phenotyping system [3.7387019397567793]
  本研究では, 適応データ取得とラジオメトリックキャリブレーションにより高品質な3DMPCを生産する手法を提案する。 プラント全体のデータの完全性は、固定された視点のみと比較して平均23.6%向上した。 3Dキャリブレーションプラント3DMPCは、クロロフィル含有量のPLSRの予測精度を向上し、R2では平均0.07、RMSEでは平均21.25%向上した。
  論文  参考訳（メタデータ） (2023-05-11T12:59:21Z)
• ERNIE-SPARSE: Learning Hierarchical Efficient Transformer Through Regularized Self-Attention [48.697458429460184]
  情報ボトルネック感度と異なる注目トポロジ間の不整合の2つの要因がスパース変換器の性能に影響を及ぼす可能性がある。 本稿では,ERNIE-Sparseというモデルを提案する。 i) 局所情報とグローバル情報を逐次統一する階層スパース変換器(HST) と、(ii) 注意トポロジの異なる変換器の距離を最小化する自己注意正規化(SAR) の2つの特徴がある。
  論文  参考訳（メタデータ） (2022-03-23T08:47:01Z)
• A Multi-Stage model based on YOLOv3 for defect detection in PV panels based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
  本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。 このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。 提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
  論文  参考訳（メタデータ） (2021-11-23T08:04:32Z)
• Optimal control towards sustainable wastewater treatment plants based on multi-agent reinforcement learning [1.0765359420035392]
  本研究は,WWTPにおける溶存酸素量と化学物質量を最適化するために,多エージェント深部強化学習という新しい手法を用いた。 その結果,LCAに基づく最適化は,ベースラインのシナリオに比べて環境への影響が低いことがわかった。 コスト指向制御戦略はLCA駆動戦略に匹敵する全体的な性能を示す。
  論文  参考訳（メタデータ） (2020-08-19T05:34:47Z)

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。