論文の概要: Image-based ground distance detection for crop-residue-covered soil

• arxiv url: http://arxiv.org/abs/2511.00548v1
• Date: Sat, 01 Nov 2025 13:17:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:26.837552
• Title: Image-based ground distance detection for crop-residue-covered soil
• Title（参考訳）: 画像を用いた作物残土の地中距離検出
• Authors: Baochao Wang, Xingyu Zhang, Qingtao Zong, Alim Pulatov, Shuqi Shang, Dongwei Wang,
• Abstract要約: 本稿では, 農作物埋立土の地中距離情報を取得するための画像ベース手法を提案する。 被写体画像は、土壌面積深度情報のみを用いて地上距離を算出できるように、深度画像に印加される。 実験により, この距離測定法は実時間実装で実現可能であり, 測定誤差は3mm以下であることが確認された。
• 参考スコア（独自算出の注目度）: 4.199218551941623
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Conservation agriculture features a soil surface covered with crop residues, which brings benefits of improving soil health and saving water. However, one significant challenge in conservation agriculture lies in precisely controlling the seeding depth on the soil covered with crop residues. This is constrained by the lack of ground distance information, since current distance measurement techniques, like laser, ultrasonic, or mechanical displacement sensors, are incapable of differentiating whether the distance information comes from the residue or the soil. This paper presents an image-based method to get the ground distance information for the crop-residues-covered soil. This method is performed with 3D camera and RGB camera, obtaining depth image and color image at the same time. The color image is used to distinguish the different areas of residues and soil and finally generates a mask image. The mask image is applied to the depth image so that only the soil area depth information can be used to calculate the ground distance, and residue areas can be recognized and excluded from ground distance detection. Experimentation shows that this distance measurement method is feasible for real-time implementation, and the measurement error is within plus or minus 3mm. It can be applied in conservation agriculture machinery for precision depth seeding, as well as other depth-control-demanding applications like transplant or tillage.
• Abstract（参考訳）: 保全農業は、作物の残留物で覆われた土壌表面を特徴とし、土壌の健全性を改善し、貯水する利点をもたらす。 しかし、保全農業における重要な課題の1つは、作物の残留物で覆われた土壌の播種深度を正確に制御することである。 これは、レーザー、超音波、機械的変位センサーのような現在の距離測定技術では、その距離情報が残留物や土壌から来ているかどうかを区別できないため、地中距離情報の欠如によって制約される。 本稿では, 農作物埋立土の地中距離情報を取得するための画像ベース手法を提案する。 3DカメラとRGBカメラで撮影し、深度画像とカラー画像を同時に取得する。 カラー画像は、残留物と土壌の異なる領域を識別するために使用され、最終的にマスク画像を生成する。 被写体画像に被写体画像を適用し、土壌面積深度情報のみを用いて接地距離を算出することができ、残余領域を接地距離検出から認識・排除することができる。 実験により, この距離測定法は実時間実装で実現可能であり, 測定誤差は3mm以下であることが確認された。 これは、精密深度播種のための保全農業機械や、移植や耕作のような他の深度制御オンデマンドの用途にも応用できる。

関連論文リスト

• Computer Vision for Particle Size Analysis of Coarse-Grained Soils [0.0]
  粒子径解析は土壌の物理的特性を評価するための基礎技術である。 粗粒土のPSAにコンピュータビジョン(CV)とPython言語を利用する新しい手法を提案する。 本手法は,高性能カメラを不要にすることで,利便性とコスト削減を実現する。
  論文  参考訳（メタデータ） (2023-11-11T17:01:24Z)
• Unsupervised domain adaptation and super resolution on drone images for autonomous dry herbage biomass estimation [14.666311628659072]
  ハーベージ質量収量と組成推定は、乳製品農家にとって重要なツールである。 ディープラーニングアルゴリズムは、スワード合成推定の通常の方法に代わる誘惑的な代替手段を提供する。 本稿では,地上レベルの画像から生のドローン画像への知識の伝達を教師なしで行うことを提案する。
  論文  参考訳（メタデータ） (2022-04-18T12:11:15Z)
• Weakly-Supervised Monocular Depth Estimationwith Resolution-Mismatched Data [73.9872931307401]
  単眼深度推定ネットワークをトレーニングするための弱教師付きフレームワークを提案する。 提案フレームワークは, 共有重量単分子深度推定ネットワークと蒸留用深度再構成ネットワークから構成される。 実験結果から,本手法は教師なし・半教師付き学習ベース方式よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2021-09-23T18:04:12Z)
• 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)
• Geometry-based Distance Decomposition for Monocular 3D Object Detection [48.63934632884799]
  本研究では,その要因により距離を回復する新しい幾何学的距離分解法を提案する。 分解の要因は、最も代表的かつ安定な変数へのオブジェクトの距離である。 RGB画像から3Dバウンディングボックスをコンパクトなアーキテクチャで直接予測します。
  論文  参考訳（メタデータ） (2021-04-08T13:57:30Z)
• Using depth information and colour space variations for improving outdoor robustness for instance segmentation of cabbage [62.997667081978825]
  本研究は, 異なる環境条件下での作物のインスタンスセグメンテーションの改善に焦点をあてる。 深度情報と異なる色空間表現の影響を分析した。 その結果,色情報と組み合わせることでセグメンテーション精度が7.1%向上した。
  論文  参考訳（メタデータ） (2021-03-31T09:19:12Z)
• Progressive Depth Learning for Single Image Dehazing [56.71963910162241]
  既存の脱湿法は、しばしば深度を無視し、より重いヘイズが視界を乱す遠くの地域で失敗する。 画像深度と伝送マップを反復的に推定するディープエンドツーエンドモデルを提案する。 私たちのアプローチは、画像深度と伝送マップの内部関係を明示的にモデリングすることから利益を得ます。
  論文  参考訳（メタデータ） (2021-02-21T05:24:18Z)
• Quantification of groundnut leaf defects using image processing algorithms [0.0]
  本研究は, アンダラプラデシュの4地域を対象に, イメージ・プロセッシング技術を用いて, 被害したオオムギの葉面積を推定する試みである。 これらの4つの領域にわたる画像解析の結果、葉面積の約14～28%がグラウンドナッツ畑で影響を受けることが明らかとなった。
  論文  参考訳（メタデータ） (2020-06-11T15:07:12Z)

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。