論文の概要: A Hybrid YOLOv5-SSD IoT-Based Animal Detection System for Durian Plantation Protection
- arxiv url: http://arxiv.org/abs/2511.00777v1
- Date: Sun, 02 Nov 2025 03:03:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 16:37:26.929392
- Title: A Hybrid YOLOv5-SSD IoT-Based Animal Detection System for Durian Plantation Protection
- Title（参考訳）: デュリアン植林保護のためのハイブリッドYOLOv5-SSD型動物検出システム
- Authors: Anis Suttan Shahrir, Zakiah Ayop, Syarulnaziah Anawar, Norulzahrah Mohd Zainudin,
- Abstract要約: デュリアンのプランテーションは、作物の損傷と財政的損失を引き起こす動物の侵入に苦しむ。
本研究は, ダリア作物のIoTによる動物検出システムを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Durian plantation suffers from animal intrusions that cause crop damage and financial loss. The traditional farming practices prove ineffective due to the unavailability of monitoring without human intervention. The fast growth of machine learning and Internet of Things (IoT) technology has led to new ways to detect animals. However, current systems are limited by dependence on single object detection algorithms, less accessible notification platforms, and limited deterrent mechanisms. This research suggests an IoT-enabled animal detection system for durian crops. The system integrates YOLOv5 and SSD object detection algorithms to improve detection accuracy. The system provides real-time monitoring, with detected intrusions automatically reported to farmers via Telegram notifications for rapid response. An automated sound mechanism (e.g., tiger roar) is triggered once the animal is detected. The YOLO+SSD model achieved accuracy rates of elephant, boar, and monkey at 90%, 85% and 70%, respectively. The system shows the highest accuracy in daytime and decreases at night, regardless of whether the image is still or a video. Overall, this study contributes a comprehensive and practical framework that combines detection, notification, and deterrence, paving the way for future innovations in automated farming solutions.
- Abstract（参考訳）: デュリアンのプランテーションは、作物の損傷と財政的損失を引き起こす動物の侵入に苦しむ。
従来の農業慣行は、人間の介入なしには監視が不可能であるため、効果がないことが証明されている。
機械学習とIoT(Internet of Things)技術の急速な成長により、動物を検出する新たな方法が生まれました。
しかし、現在のシステムは単一のオブジェクト検出アルゴリズムへの依存、アクセスしにくい通知プラットフォーム、抑止機構の制限によって制限されている。
本研究は, ダリア作物のIoTによる動物検出システムを提案する。
このシステムは YOLOv5 と SSD オブジェクト検出アルゴリズムを統合して検出精度を向上させる。
このシステムはリアルタイムのモニタリングを提供し、検出された侵入をTelegram通知経由で農家に通知し、迅速な応答を行う。
動物が検出されると、自動的な音機構(eg、虎の鳴き声)がトリガーされる。
YOLO+SSDモデルでは,ゾウ,イノシ,サルの精度は,それぞれ90%,85%,70%であった。
システムは、画像が静止しているかビデオであるかに関わらず、昼間の最高精度を示し、夜間に減少する。
全体として、本研究は、自動農業ソリューションにおける将来のイノベーションの道を開くとともに、検知、通知、抑止を組み合わせ、包括的で実践的な枠組みに寄与する。
関連論文リスト
- MultiCore+TPU Accelerated Multi-Modal TinyML for Livestock Behaviour Recognition [0.5524804393257919]
近年、農業効率と生産性を高めるため、よりインテリジェントな家畜モニタリングソリューションが提案されている。
この研究は、小さな機械学習(TinyML)技術を活用して、動物の活動認識と運動追跡に新しいアプローチを提案する。
加速度計のデータと視覚入力を収集し、画像分類、オブジェクト検出、行動認識の3つのタスクのためのマルチモーダルネットワークを構築する。
論文 参考訳（メタデータ） (2025-04-10T12:55:08Z) - Endangered Alert: A Field-Validated Self-Training Scheme for Detecting and Protecting Threatened Wildlife on Roads and Roadsides [10.412505957288406]
本稿では,オーストラリアにおけるカソーファリーなどの希少動物の検出を目的とした,革新的な自己学習手法を提案する。
提案手法は,希少種のセンサデータを取得し,ラベル付けすることを含む,現実世界における重要な課題に対処する。
クラウドとエッジコンピューティングを活用し、フィールドデプロイモデルの検出性能を向上させるために自動データラベリングを実現する。
論文 参考訳（メタデータ） (2024-12-16T07:44:27Z) - Scarecrow monitoring system:employing mobilenet ssd for enhanced animal supervision [0.0]
このプロジェクトは高度な物体検出を採用し、リアルタイムの動物分類にMobile Net SSDモデルを利用している。
リアルタイム検出はWebカメラとOpenCVライブラリを通じて実現され、接近する動物の迅速な識別と分類を可能にする。
論文 参考訳（メタデータ） (2024-07-01T16:26:57Z) - Multisensor Data Fusion for Automatized Insect Monitoring (KInsecta) [32.57872751877726]
本稿では,昆虫の分類にAIを用いたデータ融合を用いたマルチセンサ手法を提案する。
このシステムは低コストのセットアップとして設計されており、カメラモジュールと光ウィングビートセンサーで構成されている。
7種の種でセットされた、非常にバランスの取れない小さなデータセットの最初のテストは、種分類に有望な結果を示した。
論文 参考訳（メタデータ） (2024-04-29T08:46:43Z) - Constrained Twin Variational Auto-Encoder for Intrusion Detection in IoT
Systems [30.16714420093091]
侵入検知システム(IDS)は、悪意のある攻撃から何十億ものIoTデバイスを保護する上で重要な役割を果たす。
本稿では,CTVAE(Constrained Twin Variational Auto-Encoder)と呼ばれる新しいディープニューラルネットワーク/アーキテクチャを提案する。
CTVAEは、最先端の機械学習および表現学習方法と比較して、精度と検出攻撃におけるFscoreの約1%を向上することができる。
論文 参考訳（メタデータ） (2023-12-05T04:42:04Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳（メタデータ） (2023-05-12T17:24:02Z) - Real-Time Driver Monitoring Systems through Modality and View Analysis [28.18784311981388]
ドライバーの気晴らしが道路事故の主要な原因であることが知られている。
State-of-the-artメソッドはレイテンシを無視しながら精度を優先する。
本稿では,ビデオフレーム間の時間的関係を無視した時間効率な検出モデルを提案する。
論文 参考訳（メタデータ） (2022-10-17T21:22:41Z) - Automated Pest Detection with DNN on the Edge for Precision Agriculture [0.0]
本稿では,機械学習(ML)機能により強化された組込みシステムについて,果樹園内での害虫感染の連続検出を確実にする。
3つの異なるMLアルゴリズムがトレーニングされ、デプロイされ、プラットフォームの能力を強調している。
その結果,農夫の介入なしに無期限に害虫感染処理を自動化できることが示唆された。
論文 参考訳（メタデータ） (2021-08-01T10:17:48Z) - Can't Boil This Frog: Robustness of Online-Trained Autoencoder-Based
Anomaly Detectors to Adversarial Poisoning Attacks [26.09388179354751]
本研究は,オンライン学習型オートエンコーダを用いたアタック検出装置に対する中毒攻撃に焦点を当てた最初の研究である。
提案アルゴリズムは, オートエンコーダ検出器によって検出されない標的攻撃の原因となる毒のサンプルを生成することができることを示す。
この発見は、サイバー物理領域で使用されるニューラルネットワークベースの攻撃検出器が、他の問題領域よりも毒性に強いことを示唆している。
論文 参考訳（メタデータ） (2020-02-07T12:41:28Z) - Adversarial vs behavioural-based defensive AI with joint, continual and
active learning: automated evaluation of robustness to deception, poisoning
and concept drift [62.997667081978825]
人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。
本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
論文 参考訳（メタデータ） (2020-01-13T13:54:36Z)
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。