論文の概要: A neuromorphic continuous soil monitoring system for precision irrigation
- arxiv url: http://arxiv.org/abs/2509.14066v1
- Date: Wed, 17 Sep 2025 15:15:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-18 18:41:50.898853
- Title: A neuromorphic continuous soil monitoring system for precision irrigation
- Title（参考訳）: 精密灌水のためのニューロモルフィック連続土壌モニタリングシステム
- Authors: Mirco Tincani, Khaled Kerouch, Umberto Garlando, Mattia Barezzi, Alessandro Sanginario, Giacomo Indiveri, Chiara De Luca,
- Abstract要約: データ転送やリモート処理を必要とせずに自律的に動作する完全エネルギー効率のニューロモルフィック灌水制御システムを提案する。
混合信号型ニューロモルフィックプロセッサに適用したリンゴおよびキウイ果樹園の実際の土壌水分データを用いて,本手法の有効性を検証した。
以上の結果から,局所的なニューロモルフィック推論は意思決定の精度を保ち,自律的かつ持続的な灌水ソリューションを大規模に構築できる可能性が示唆された。
- 参考スコア（独自算出の注目度）: 32.97821869608533
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sensory processing at the edge requires ultra-low power stand-alone computing technologies. This is particularly true for modern agriculture and precision irrigation systems which aim to optimize water usage by monitoring key environmental observables continuously using distributed efficient embedded processing elements. Neuromorphic processing systems are emerging as a promising technology for extreme edge-computing applications that need to run on resource-constrained hardware. As such, they are a very good candidate for implementing efficient water management systems based on data measured from soil and plants, across large fields. In this work, we present a fully energy-efficient neuromorphic irrigation control system that operates autonomously without any need for data transmission or remote processing. Leveraging the properties of a biologically realistic spiking neural network, our system performs computation, and decision-making locally. We validate this approach using real-world soil moisture data from apple and kiwi orchards applied to a mixed-signal neuromorphic processor, and show that the generated irrigation commands closely match those derived from conventional methods across different soil depths. Our results show that local neuromorphic inference can maintain decision accuracy, paving the way for autonomous, sustainable irrigation solutions at scale.
- Abstract（参考訳）: エッジでのセンサ処理には、超低消費電力のスタンドアローンコンピューティング技術が必要である。
これは、分散された効率的な組込み処理要素を用いて、鍵となる環境観測機器を継続的に監視することにより、水利用を最適化することを目的とした、近代農業や精密灌水システムに特に当てはまる。
リソース制約のあるハードウェア上で動く必要のある極端エッジコンピューティングアプリケーションのための有望な技術として、ニューロモルフィック処理システムが登場している。
そのため, 土壌や植物から測定したデータをもとに, 大規模畑に効率的な水管理システムを構築する上で, 極めて優れた候補となる。
本研究では,データ伝送や遠隔処理を必要とせずに自律的に動作する完全エネルギー効率のニューロモルフィック灌水制御システムを提案する。
生物学的に現実的なスパイクニューラルネットワークの特性を活用して,本システムは局所的に計算と意思決定を行う。
混合信号型ニューロモルフィックプロセッサに応用したリンゴおよびキウイ果樹園の実際の土壌水分データを用いて,本手法の有効性を検証した。
以上の結果から,局所的なニューロモルフィック推論は意思決定の精度を保ち,自律的かつ持続的な灌水ソリューションを大規模に構築できる可能性が示唆された。
関連論文リスト
- Machine Learning for Proactive Groundwater Management: Early Warning and Resource Allocation [1.372066170415575]
我々は,気候データ,水文気象記録,生理特性を用いて地下水位を推定する機械学習パイプラインを開発した。
我々のアプローチは、地理空間前処理、ドメイン駆動機能エンジニアリング、監視制限を克服する自動モデル選択を統合している。
論文 参考訳（メタデータ） (2025-06-18T00:41:04Z) - Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。
具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。
ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
論文 参考訳（メタデータ） (2025-03-24T03:19:45Z) - Smart and Efficient IoT-Based Irrigation System Design: Utilizing a Hybrid Agent-Based and System Dynamics Approach [0.0]
乾燥した国や半乾燥国では水資源が不足している。
近代技術を利用して灌水を制御し、水の損失を減らすことが可能である。
灌水制御システムにIoTを使用する可能性にもかかわらず、そのようなシステムの設計には複雑さがある。
論文 参考訳（メタデータ） (2025-02-25T15:34:38Z) - 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) - Optical flow-based branch segmentation for complex orchard environments [73.11023209243326]
シミュレーションでは、シミュレーションでは、シミュレーションされたRGBデータと光フローのみを用いてニューラルネットワークシステムを訓練する。
このニューラルネットワークは、忙しい果樹園環境において、追加の現実世界のトレーニングや、標準カメラ以外の特別な設定や機器を使用することなく、前景の枝のセグメンテーションを行うことができる。
その結果,本システムは高精度であり,手動ラベル付きRGBDデータを用いたネットワークと比較すると,トレーニングセットと異なる環境において,より一貫性と堅牢性を実現していることがわかった。
論文 参考訳（メタデータ） (2022-02-26T03:38:20Z) - Deep Semantic Segmentation at the Edge for Autonomous Navigation in
Vineyard Rows [0.0]
精密農業は、農業プロセスに安価で効果的な自動化を導入することを目的としている。
提案する制御は,機械認識技術とエッジAI技術の最新技術を活用して,ブドウ畑の列内における高精度で信頼性の高いナビゲーションを実現する。
制御アルゴリズム自体によって生成されたセグメンテーションマップは、作物の状態の植物性評価のためのフィルタとして直接利用することができる。
論文 参考訳（メタデータ） (2021-07-01T18:51:58Z) - Autonomous Optimization of Fluid Systems at Varying Length Scales [55.41644538483948]
本稿では,一様液滴を生成するハードウェア条件を正確に把握するコンピュータビジョン駆動型ベイズ最適化フレームワークを提案する。
この枠組みは、マイクロ流体系とインクジェット系を用いて、マイクロメートルとミリメートルの2つの流体系で検証されている。
論文 参考訳（メタデータ） (2021-05-28T02:08:03Z) - An artificial intelligence and Internet of things based automated
irrigation system [8.283810659689589]
モノのインターネット(IoT)デバイスは、あらゆる領域で使われ始めている。
灌水に関する操作と決定は、ほとんどが人々によって行われます。
IoTデバイスやセンサから収集されたデータは、通信チャネル経由で送信され、MongoDBに格納される。
論文 参考訳（メタデータ） (2021-04-01T21:05:26Z) - Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using
Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。
本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。
これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
論文 参考訳（メタデータ） (2020-12-07T16:23:13Z) - Machine Learning and Soil Humidity Sensing: Signal Strength Approach [0.0]
既存のソリューションは、感知されたデータを無線チャネルを介して送信する、空腹/露光センサーから受信したデータに基づいています。
本研究は, 深層学習技術を用いた湿度センサを実現する, 低コストで低消費電力なLoRaシステムの概念を探求する。
論文 参考訳（メタデータ） (2020-11-16T21:00:36Z)
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。