論文の概要: An Intelligent Water-Saving Irrigation System Based on Multi-Sensor Fusion and Visual Servoing Control
- arxiv url: http://arxiv.org/abs/2510.23003v1
- Date: Mon, 27 Oct 2025 04:43:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 19:54:32.587941
- Title: An Intelligent Water-Saving Irrigation System Based on Multi-Sensor Fusion and Visual Servoing Control
- Title（参考訳）: マルチセンサ・フュージョンとビジュアルサーボ制御に基づくインテリジェント浄水システム
- Authors: ZhengKai Huang, YiKun Wang, ChenYu Hui, XiaoCheng,
- Abstract要約: 本稿では,精密農業における重要な課題に対処するために,インテリジェントな貯水池システムを提案する。
このシステムは、高度なコンピュータビジョン、ロボット制御、マルチセンサー融合アプローチによるリアルタイム安定化技術を統合する。
- 参考スコア（独自算出の注目度）: 3.055831281462442
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces an intelligent water-saving irrigation system designed to address critical challenges in precision agriculture, such as inefficient water use and poor terrain adaptability. The system integrates advanced computer vision, robotic control, and real-time stabilization technologies via a multi-sensor fusion approach. A lightweight YOLO model, deployed on an embedded vision processor (K210), enables real-time plant container detection with over 96% accuracy under varying lighting conditions. A simplified hand-eye calibration algorithm-designed for 'handheld camera' robot arm configurations-ensures that the end effector can be precisely positioned, with a success rate exceeding 90%. The active leveling system, driven by the STM32F103ZET6 main control chip and JY901S inertial measurement data, can stabilize the irrigation platform on slopes up to 10 degrees, with a response time of 1.8 seconds. Experimental results across three simulated agricultural environments (standard greenhouse, hilly terrain, complex lighting) demonstrate a 30-50% reduction in water consumption compared to conventional flood irrigation, with water use efficiency exceeding 92% in all test cases.
- Abstract（参考訳）: 本稿では,非効率な水利用や地形適応性の低下など,精密農業における重要な課題に対処するために,インテリジェントな貯水池システムを提案する。
このシステムは、高度なコンピュータビジョン、ロボット制御、マルチセンサー融合アプローチによるリアルタイム安定化技術を統合する。
組込みビジョンプロセッサ(K210)上に展開される軽量のYOLOモデルは、様々な照明条件下で96%以上の精度でリアルタイムのプラントコンテナ検出を可能にする。
ハンドヘルドカメラ」ロボットアーム構成のための簡易な手目キャリブレーションアルゴリズムにより、エンドエフェクターが90%以上の成功率で正確に位置決めできることが保証される。
STM32F103ZET6主制御チップとJY901S慣性測定データによって駆動されるアクティブなレベリングシステムは、最大10度の斜面で、応答時間1.8秒で洗浄プラットフォームを安定化させることができる。
3つの模擬農業環境(標準的な温室、丘陵地形、複雑な照明)にまたがる実験結果から、従来の洪水灌水に比べて水消費量が30～50%減少し、全ての試験ケースで水利用効率は92%以上であった。
関連論文リスト
- Hydra: Accurate Multi-Modal Leaf Wetness Sensing with mm-Wave and Camera Fusion [6.047529821743112]
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。
論文 参考訳（メタデータ） (2025-08-04T13:33:06Z) - Development of a Smart Autonomous Irrigation System Using Iot and AI [0.0]
管理不能な管理は、農業生産性を低下させながら、水の無駄につながる可能性がある。
ドリップ灌水システムは1970年代以来、最も効率的な方法の1つである。
システムの目的は、労働生産性を高め、水資源の保全に貢献することである。
論文 参考訳（メタデータ） (2025-06-13T14:37:34Z) - Learning Underwater Active Perception in Simulation [51.205673783866146]
タービディティは、検査された構造物の正確な視覚的記録を阻止する可能性があるため、ミッション全体を危険に晒す可能性がある。
従来の研究は、濁度や後方散乱に適応する手法を導入してきた。
本研究では, 広範囲の水環境下での高品質な画像取得を実現するための, 単純かつ効率的なアプローチを提案する。
論文 参考訳（メタデータ） (2025-04-23T06:48:38Z) - YOLO-LLTS: Real-Time Low-Light Traffic Sign Detection via Prior-Guided Enhancement and Multi-Branch Feature Interaction [45.79993863157494]
YOLO-LLTSは、低照度環境向けに設計されたエンドツーエンドのリアルタイム信号検出アルゴリズムである。
YOLO-LLTSは、HRFM-SOD(High-Resolution Feature Map for Small Object Detection)、MFIA(Multi-branch Feature Interaction Attention)、PGFE(Presideed-Guided Feature Enhancement Module)の3つの主要なコントリビューションを紹介している。
実験の結果、YOLO-LLTSは最新技術の性能を達成し、TT100K-nightでは2.7% mAP50:95と1.6% mAP50:95よりも優れていた。
論文 参考訳（メタデータ） (2025-03-18T04:28:05Z) - 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) - Real-Time Multi-Scene Visibility Enhancement for Promoting Navigational Safety of Vessels Under Complex Weather Conditions [48.529493393948435]
この可視光カメラは、インテリジェントな水上輸送システムにおいて、海洋表面の容器に不可欠なイメージングセンサーとして登場した。
視覚画像の画質は、複雑な気象条件下での様々な劣化に必然的に悩まされる。
本研究では,異なる気象条件下で撮影された劣化画像を復元する汎用多場面可視性向上手法を開発した。
論文 参考訳（メタデータ） (2024-09-02T23:46:27Z) - 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) - Visual based Tomato Size Measurement System for an Indoor Farming
Environment [3.176607626141415]
本稿では,3つの低コストRGBDカメラから得られた機械学習モデルと深度画像を組み合わせたサイズ計測手法を提案する。
本システムの性能は, 実のトマト果実と偽の葉を用いた実験室環境で評価した。
我々の3カメラシステムは高さ測定精度0.9114、幅精度0.9443を達成できた。
論文 参考訳（メタデータ） (2023-04-12T22:27:05Z) - 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) - Worsening Perception: Real-time Degradation of Autonomous Vehicle
Perception Performance for Simulation of Adverse Weather Conditions [47.529411576737644]
本研究では,自律走行車両における簡易かつ軽量な画像強調システムの利用の可能性を検討する。
最小限の調整で、プロトタイプシステムは、カメラレンズ上の水滴と退色光条件の両方の効果を複製することができます。
論文 参考訳（メタデータ） (2021-03-03T23:49:02Z)
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。