論文の概要: Developing an aeroponic smart experimental greenhouse for controlling irrigation and plant disease detection using deep learning and IoT
- arxiv url: http://arxiv.org/abs/2509.12274v1
- Date: Sun, 14 Sep 2025 03:48:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-17 17:50:52.670351
- Title: Developing an aeroponic smart experimental greenhouse for controlling irrigation and plant disease detection using deep learning and IoT
- Title（参考訳）: 深層学習とIoTを用いた農業用スマート温室の開発
- Authors: Mohammadreza Narimani, Ali Hajiahmad, Ali Moghimi, Reza Alimardani, Shahin Rafiee, Amir Hossein Mirzabe,
- Abstract要約: 本研究の主な目的は, 実験規模でスマート・エアロポニック・温室を開発し, 試験することであった。
モノのインターネット(IoT)と人工知能(AI)の統合により, ジェラニウムプラントの状況と環境状態が継続的に監視される
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Controlling environmental conditions and monitoring plant status in greenhouses is critical to promptly making appropriate management decisions aimed at promoting crop production. The primary objective of this research study was to develop and test a smart aeroponic greenhouse on an experimental scale where the status of Geranium plant and environmental conditions are continuously monitored through the integration of the internet of things (IoT) and artificial intelligence (AI). An IoT-based platform was developed to control the environmental conditions of plants more efficiently and provide insights to users to make informed management decisions. In addition, we developed an AI-based disease detection framework using VGG-19, InceptionResNetV2, and InceptionV3 algorithms to analyze the images captured periodically after an intentional inoculation. The performance of the AI framework was compared with an expert's evaluation of disease status. Preliminary results showed that the IoT system implemented in the greenhouse environment is able to publish data such as temperature, humidity, water flow, and volume of charge tanks online continuously to users and adjust the controlled parameters to provide an optimal growth environment for the plants. Furthermore, the results of the AI framework demonstrate that the VGG-19 algorithm was able to identify drought stress and rust leaves from healthy leaves with the highest accuracy, 92% among the other algorithms.
- Abstract（参考訳）: 温室における環境条件の制御とプラントの状況の監視は、生産促進を目的とした適切な経営決定を迅速に行うために重要である。
本研究の目的は,モノのインターネット(IoT)と人工知能(AI)の統合を通じて,ジェラニウムプラントと環境環境の状態を継続的に監視する実験スケールで,スマートなエアロポニック温室を開発し,試験することであった。
IoTベースのプラットフォームは、植物の環境条件をより効率的に制御し、ユーザが情報管理の決定を行うための洞察を提供するために開発された。
さらに、VGG-19、InceptionResNetV2、InceptionV3アルゴリズムを用いて、意図的な接種後に定期的に取得した画像を分析するAIベースの疾患検出フレームワークを開発した。
AIフレームワークのパフォーマンスは、専門家による疾患状態の評価と比較された。
予備的な結果から,温室環境に実装されたIoTシステムは,温度,湿度,水流,電荷タンクの容積などのデータをユーザが継続的にオンラインに公開し,制御されたパラメータを調整して,植物に最適な成長環境を提供することができることがわかった。
さらに、AIフレームワークの結果は、VGG-19アルゴリズムが干ばつストレスと健康な葉からのさび葉を、他のアルゴリズムの中で92%の精度で識別できたことを示している。
関連論文リスト
- HydroVision: Predicting Optically Active Parameters in Surface Water Using Computer Vision [0.4893896929103368]
この研究は、光学活性な水質パラメータを推定する深層学習に基づくシーン分類フレームワークを導入する。
このモデルは、アメリカ地質調査所から収集された50万枚以上の季節変動画像に基づいて訓練されている。
DenseNet121は、CDOMの予測におけるR2スコア0.89という高いバリデーション性能を達成し、現実世界の水質モニタリングに対するフレームワークの約束を実証している。
論文 参考訳（メタデータ） (2025-09-02T02:12:52Z) - 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) - Detecting Plant VOC Traces Using Indoor Air Quality Sensors [9.218359701264797]
植物は、病原体、捕食者、光、温度などの非生物的・生物的ストレス因子に曝されると、テルペン(VOCの一種)を産生する。
制御された実験で16テルペンを測定して、これらのセンサーの感度を定量化し、現実的な環境で最も有望なテルペンを特定し、テストした。
本研究は, 植物VOC検出の課題を克服する基盤を確立し, 将来のスマートビルにおける室内環境の質を高めるため, 先進的プラントベースセンサーの活用を図った。
論文 参考訳（メタデータ） (2025-04-03T16:18:35Z) - Automated Phytosensing: Ozone Exposure Classification Based on Plant Electrical Signals [10.274619512179882]
本研究では, 生物の分散ネットワークを空気質センサとして利用し, その電気生理学的な測定を行い, 環境状態を推定することを提案する。
本手法は, 植物オゾン曝露を94.6%の精度で未確認データで分類することに成功した。
本研究は, コスト効率の高い高密度都市大気モニタリングシステムの開発に寄与する植物センシング装置の開発に有効である。
論文 参考訳（メタデータ） (2024-12-17T20:29:00Z) - Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。
車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。
ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文 参考訳（メタデータ） (2024-10-08T10:35:32Z) - Grapevine Disease Prediction Using Climate Variables from Multi-Sensor Remote Sensing Imagery via a Transformer Model [0.0]
本稿では,TabPFNモデルを用いたブロックワイドブドウ病の予測手法を提案する。
本手法は,高度な機械学習技術と詳細な環境データを統合することにより,疾患予測の精度と効率を大幅に向上させる。
論文 参考訳（メタデータ） (2024-06-11T09:33:15Z) - 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) - Development of IoT Smart Greenhouse System for Hydroponic Gardens [0.0]
SMART温室システム(SMART Greenhouse System for Hydroponic Garden)は、気候変動、土地不足、低農業環境による食糧不足に対する代替手段、解決策および革新技術として使用されている。
ISO 9126の評価基準に基づき, 信頼性, 機能, ユーザビリティを検証し, 評価した。
提案者は、ポンプパワーに太陽エネルギーを使うこと、プロトタイプの配線の改善、より多くのセンサーやデバイスに対処するためのArduinoのハイエンドモデルの使用、安全性を確保するためのデバイスの囲い、バグ修正やアタッチメントなどのモバイルアプリケーションのアップデートを強く推奨している。
論文 参考訳（メタデータ） (2023-05-02T03:47:25Z) - 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) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳（メタデータ） (2020-07-23T13:32:47Z)
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。