論文の概要: Estimating Pasture Biomass from Top-View Images: A Dataset for Precision Agriculture
- arxiv url: http://arxiv.org/abs/2510.22916v1
- Date: Mon, 27 Oct 2025 01:35:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 15:28:15.417407
- Title: Estimating Pasture Biomass from Top-View Images: A Dataset for Precision Agriculture
- Title（参考訳）: トップビュー画像からの牧草バイオマス推定:精密農業のためのデータセット
- Authors: Qiyu Liao, Dadong Wang, Rebecca Haling, Jiajun Liu, Xun Li, Martyna Plomecka, Andrew Robson, Matthew Pringle, Rhys Pirie, Megan Walker, Joshua Whelan,
- Abstract要約: オーストラリアの19か所で収集された牧草地の1,162点の注釈付きトップビュー画像の包括的データセットを提示する。
それぞれの画像は70cm×30cmの四角形を撮影し、バイオマスを成分(緑、死、小豆分画)、植生の高さ、アクティブ光学センサー(AOS)からの正規化差分植生指数(NDVI)で分類する。
データセットはKaggleコンペティションでリリースされ、牧草地バイオマス推定のタスクで国際的な機械学習コミュニティに挑戦する。
- 参考スコア（独自算出の注目度）: 19.0810931631268
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Accurate estimation of pasture biomass is important for decision-making in livestock production systems. Estimates of pasture biomass can be used to manage stocking rates to maximise pasture utilisation, while minimising the risk of overgrazing and promoting overall system health. We present a comprehensive dataset of 1,162 annotated top-view images of pastures collected across 19 locations in Australia. The images were taken across multiple seasons and include a range of temperate pasture species. Each image captures a 70cm * 30cm quadrat and is paired with on-ground measurements including biomass sorted by component (green, dead, and legume fraction), vegetation height, and Normalized Difference Vegetation Index (NDVI) from Active Optical Sensors (AOS). The multidimensional nature of the data, which combines visual, spectral, and structural information, opens up new possibilities for advancing the use of precision grazing management. The dataset is released and hosted in a Kaggle competition that challenges the international Machine Learning community with the task of pasture biomass estimation. The dataset is available on the official Kaggle webpage: https://www.kaggle.com/competitions/csiro-biomass
- Abstract（参考訳）: 牧草バイオマスの正確な推定は家畜生産システムにおける意思決定に重要である。
牧草バイオマスの推定値は、備蓄率を管理して牧草利用を最大化するとともに、過剰放牧のリスクを最小化し、システム全体の健康を増進する。
オーストラリアの19か所で収集された牧草地の1,162点の注釈付きトップビュー画像の包括的データセットを提示する。
画像は複数の季節にわたって撮影され、温帯の牧草地を含む。
それぞれの画像は70cm×30cmの四角形を撮影し、バイオマスを成分(緑、枯渇、小豆分画)、植生の高さ、アクティブ光学センサー(AOS)からの正規化差植生指数(NDVI)で分類する。
視覚情報、スペクトル情報、構造情報を組み合わせた多次元データの性質は、精密放牧管理の推進に新たな可能性を開く。
データセットはKaggleコンペティションでリリースされ、牧草地バイオマス推定のタスクで国際的な機械学習コミュニティに挑戦する。
データセットは公式のKaggle Webページ(https://www.kaggle.com/competitions/csiro-biomass)で利用可能である。
関連論文リスト
- Overview of PlantCLEF 2024: multi-species plant identification in vegetation plot images [2.7110107174608173]
PlantCLEF 2024チャレンジでは、専門家が注釈を付け、800種以上をカバーした何千ものマルチラベル画像の新たなテストセットを活用する。
個々の植物画像170万枚からなる大規模なトレーニングセットと、このデータに基づいて事前訓練された最先端のビジョントランスフォーマーモデルを提供する。
目的は、高解像度プロット画像上に存在するすべての植物種を予測することである。
論文 参考訳（メタデータ） (2025-09-19T08:51:41Z) - BioTrove: A Large Curated Image Dataset Enabling AI for Biodiversity [14.949271003068107]
BioTroveは、生物多様性においてAIアプリケーションを前進させるために設計された最大のデータセットである。
161.9万枚の画像があり、前例のないスケールと3つの主要王国の多様性を提供している。
それぞれの画像には、科学的名前、分類学的階層、一般的な名前が注釈付けされている。
論文 参考訳（メタデータ） (2024-06-25T17:09:54Z) - MMCBE: Multi-modality Dataset for Crop Biomass Prediction and Beyond [11.976195465657236]
作物バイオマス推定のための多モードデータセット(MMCBE)
このデータセットは、216セットの多視点ドローン画像と、LiDAR点雲とハンドラベリングされた地上真実で構成されている。
我々は,MCCBEを用いた最先端の作物バイオマス推定手法を厳格に評価し,ドローン画像からの3D作物の復元やノベルビューレンダリングなど,新たな応用の可能性を探った。
論文 参考訳（メタデータ） (2024-04-17T11:06:42Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using
Harvest Piles and Remote Sensing [50.4506590177605]
HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。
本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。
本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
論文 参考訳（メタデータ） (2023-08-23T11:03:28Z) - Bamboo: Building Mega-Scale Vision Dataset Continually with
Human-Machine Synergy [69.07918114341298]
大規模データセットはコンピュータビジョンにおいて重要な役割を果たす。
既存のデータセットはラベルシステムに従って収集されるか、サンプルを区別せずに盲目的に収集される。
我々は,包括的ラベルシステム上で,積極的に注釈付きかつ継続的な高品質な視覚データセットの構築を提唱する。
論文 参考訳（メタデータ） (2022-03-15T13:01:00Z) - Semi-supervised dry herbage mass estimation using automatic data and
synthetic images [8.993785655588736]
種特異的乾燥草原バイオマスのモニタリングは,牧草地を基盤とした乳生産システムにおいて重要な側面である。
コンピュータビジョンのためのディープラーニングは、この文脈において強力なツールである。
本稿では,コンピュータビジョンを用いたバイオマスの乾式推定のための低監督手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T14:10:39Z) - Counting Cows: Tracking Illegal Cattle Ranching From High-Resolution
Satellite Imagery [59.32805936205217]
牛の農業は世界の温室効果ガス排出量の8.8%を占めている。
40cmの解像度でアマゾンの衛星画像を取得し、合計28498頭の牛を含む903枚の画像のデータセットをまとめた。
本実験は,有望な結果を示し,これらの課題を解決するためのアルゴリズムとデータ収集プロセスのいずれにおいても,次のステップの重要方向を示すものである。
論文 参考訳（メタデータ） (2020-11-14T19:07:39Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳（メタデータ） (2020-02-05T21:38:57Z)
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。