論文の概要: SoilX: Calibration-Free Comprehensive Soil Sensing Through Contrastive Cross-Component Learning

• arxiv url: http://arxiv.org/abs/2511.05482v1
• Date: Fri, 07 Nov 2025 18:50:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-10 21:00:44.866966
• Title: SoilX: Calibration-Free Comprehensive Soil Sensing Through Contrastive Cross-Component Learning
• Title（参考訳）: SoilX: 対照的なクロスコンポーネント学習によるキャリブレーションなし包括的土壌センシング
• Authors: Kang Yang, Yuanlin Yang, Yuning Chen, Sikai Yang, Xinyu Zhang, Wan Du,
• Abstract要約: 精密農業は土壌水分(M)と窒素(N)、リン(P)、カリウム(K)を含む主要栄養素の連続的かつ正確なモニタリングを必要とする 現在の溶液は、アルミノシリケート(Al)と有機炭素(C)を特徴とする土壌テクスチャの変動に対処するために再校正を必要とする そこで我々は,M,N,P,K,C,Alの6つの主要成分を共同で測定する,キャリブレーションのない土壌センサシステムであるSoilXを紹介する。
• 参考スコア（独自算出の注目度）: 14.587042830095086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Precision agriculture demands continuous and accurate monitoring of soil moisture (M) and key macronutrients, including nitrogen (N), phosphorus (P), and potassium (K), to optimize yields and conserve resources. Wireless soil sensing has been explored to measure these four components; however, current solutions require recalibration (i.e., retraining the data processing model) to handle variations in soil texture, characterized by aluminosilicates (Al) and organic carbon (C), limiting their practicality. To address this, we introduce SoilX, a calibration-free soil sensing system that jointly measures six key components: {M, N, P, K, C, Al}. By explicitly modeling C and Al, SoilX eliminates texture- and carbon-dependent recalibration. SoilX incorporates Contrastive Cross-Component Learning (3CL), with two customized terms: the Orthogonality Regularizer and the Separation Loss, to effectively disentangle cross-component interference. Additionally, we design a novel tetrahedral antenna array with an antenna-switching mechanism, which can robustly measure soil dielectric permittivity independent of device placement. Extensive experiments demonstrate that SoilX reduces estimation errors by 23.8% to 31.5% over baselines and generalizes well to unseen fields.
• Abstract（参考訳）: 精密農業は土壌水分(M)と窒素(N)、リン(P)、カリウム(K)などの主要な栄養素の連続的かつ正確なモニタリングを必要とし、収量と資源の保存を最適化する。 ワイヤレス土壌センシングはこれらの4つの成分を測定するために研究されてきたが、現在の溶液は土壌テクスチャの変化に対処するために、アルミノケイ酸塩 (Al) と有機炭素 (C) が特徴であり、その実用性を制限している。 そこで本稿では, キャリブレーションのない土壌センサシステムであるSoilXを紹介し, 6つの主要成分, {M, N, P, K, C, Al} を共同で測定する。 CとAlを明示的にモデル化することで、SoilXはテクスチャと炭素に依存した再校正を取り除く。 SoilXはContrastive Cross-Component Learning (3CL)とOrthogonality Regularizer(直交正規化器)とSeparation Loss(分離損失)という2つのカスタマイズされた用語を取り入れている。 さらに、デバイス配置に依存しない土壌誘電率を堅牢に測定できるアンテナスイッチング機構を備えた新しい四面体アンテナアレイを設計する。 大規模な実験では、SoilXはベースライン上の推定誤差を23.8%から31.5%削減し、目に見えない分野によく一般化している。

関連論文リスト

• Predicting Soil Macronutrient Levels: A Machine Learning Approach Models Trained on pH, Conductivity, and Average Power of Acid-Base Solutions [1.2994635361018887]
  本研究では, 土壌の挙動をモデル化するための合成解から得られたデータセットを利用する, 革新的な土壌試験プロトコルを提案する。 このデータセットには4つの機械学習アルゴリズムが適用され、土壌の栄養分濃度を予測するためにランダムな森林回帰器とニューラルネットワークが選択された。
  論文  参考訳（メタデータ） (2025-04-05T11:04:48Z)
• Ab initio calculations of erbium crystal field splittings in oxide hosts [0.0]
  エルビウム (Er3+) イオンの結晶場係数を計算するための有効なab initio法を提案する。 次に、これらのEr3+イオンの結晶界分裂を基底状態および励起状態に対して評価する。
  論文  参考訳（メタデータ） (2025-01-06T19:30:08Z)
• Learning Equivariant Non-Local Electron Density Functionals [51.721844709174206]
  等変グラフニューラルネットワーク(GNN)に基づく新しい非局所XC関数であるEquivariant Graph Exchange correlation (EG-XC)を導入する。 この点の雲に同変GNNを適用することにより、スケーラブルで正確な分子レンジ相互作用をキャプチャする。 EG-XCは、QM9上のデータ効率と分子サイズの外挿に優れ、5倍以上の分子で訓練された整合力場である。
  論文  参考訳（メタデータ） (2024-10-10T14:31:45Z)
• StereoDistill: Pick the Cream from LiDAR for Distilling Stereo-based 3D Object Detection [93.10989714186788]
  ステレオ法とLiDAR法とのギャップを狭めるため,StereoDistillというクロスモーダル蒸留法を提案する。 StereoDistillの主な設計は、回帰のためのX-component Guided Distillation(XGD)と分類のためのCLD(Cross-anchor Logit Distillation)である。
  論文  参考訳（メタデータ） (2023-01-04T13:38:48Z)
• MnEdgeNet -- Accurate Decomposition of Mixed Oxidation States for Mn XAS and EELS L2,3 Edges without Reference and Calibration [0.0]
  我々は,EELSとXASの両方に対してMn L2,3エッジの酸化状態を分解するキャリブレーションフリーで参照フリーな手法を開発した。 我々は3要素酸化状態合成ラベルを持つ120万個のスペクトルデータベースを作成した。 この大規模なデータベースをトレーニングすることで、私たちの畳み込みニューラルネットワークは、検証データセット上で85%の精度を達成します。
  論文  参考訳（メタデータ） (2022-10-21T01:04:24Z)
• Total Nitrogen Estimation in Agricultural Soils via Aerial Multispectral Imaging and LIBS [0.6875312133832077]
  土壌の健康指標(SHIs)を測定する方法の多くは、内部の湿式化学または分光法に基づく方法である。 我々は,土壌の総窒素 (TN) を推定するために,UAV (Universal-time Unmanned Aviation Vehicle) を用いたマルチスペクトルセンシング (UMS) ソリューションを開発した。
  論文  参考訳（メタデータ） (2021-07-06T02:37:30Z)
• Using vis-NIRS and Machine Learning methods to diagnose sugarcane soil chemical properties [0.0]
  化学土壌の特性を知ることは、作物管理と総収量生産において決定的である。 従来の資産推定手法は時間がかかり、複雑な実験室のセットアップを必要とする。 スペクトル信号(vis-NIRS)からの物性推定は、低コストで非侵襲的で非破壊的な代替手段として現れた。
  論文  参考訳（メタデータ） (2020-12-23T21:46:41Z)
• 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)
• A multiconfigurational study of the negatively charged nitrogen-vacancy center in diamond [55.58269472099399]
  広帯域ギャップ半導体の深い欠陥は、量子センシングと情報応用を実現するための主要な量子ビット候補として現れている。 ここでは、単一粒子処理とは異なり、伝統的に原子/分子に予約されていた多重構成量子化学法は、これらの欠陥中心の電子状態の多体特性を正確に記述する。
  論文  参考訳（メタデータ） (2020-08-24T01:49:54Z)

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。