論文の概要: Real-time Cricket Sorting By Sex

• arxiv url: http://arxiv.org/abs/2512.04311v1
• Date: Wed, 03 Dec 2025 23:02:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-05 21:11:45.915724
• Title: Real-time Cricket Sorting By Sex
• Title（参考訳）: セックスによるリアルタイムクリケットソーティング
• Authors: Juan Manuel Cantarero Angulo, Matthew Smith,
• Abstract要約: ハウスクリケットは工業生産に最も適した種の1つである。 現在の農業は、自動性選別を行わない混合性集団において、後部クリケットを実践している。 本研究は、Acheta domesticusの自動性分類のための低コストでリアルタイムなシステムを提案する。
• 参考スコア（独自算出の注目度）: 3.0007872750787925
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The global demand for sustainable protein sources is driving increasing interest in edible insects, with Acheta domesticus (house cricket) identified as one of the most suitable species for industrial production. Current farming practices typically rear crickets in mixed-sex populations without automated sex sorting, despite potential benefits such as selective breeding, optimized reproduction ratios, and nutritional differentiation. This work presents a low-cost, real-time system for automated sex-based sorting of Acheta domesticus, combining computer vision and physical actuation. The device integrates a Raspberry Pi 5 with the official Raspberry AI Camera and a custom YOLOv8 nano object detection model, together with a servo-actuated sorting arm. The model reached a mean Average Precision at IoU 0.5 (mAP@0.5) of 0.977 during testing, and real-world experiments with groups of crickets achieved an overall sorting accuracy of 86.8%. These results demonstrate the feasibility of deploying lightweight deep learning models on resource-constrained devices for insect farming applications, offering a practical solution to improve efficiency and sustainability in cricket production.
• Abstract（参考訳）: 持続可能なタンパク質源の世界的な需要は食用昆虫への関心を高めており、アケタ・インテリアス(ハウス・クリケット)は工業生産に最も適した種の1つとして特定されている。 現在の農業慣行は、選択的な育種、最適化された繁殖率、栄養分化などの潜在的な利点があるにもかかわらず、自動的な性選別を行わない混合性集団において典型的にクリケットを後付けする。 本研究は、コンピュータビジョンと身体運動を組み合わせた、アケタ・インテリアスの自動性ベースのソートのための低コストでリアルタイムなシステムを提案する。 このデバイスはRaspberry Pi 5と、公式のRaspberry AI Cameraと、カスタムのYOLOv8ナノオブジェクト検出モデルと、サーボ式ソートアームを統合している。 このモデルは試験中のIoU 0.5 (mAP@0.5) の平均精度に到達し、クリケットのグループによる実世界の実験では86.8%のソート精度を達成した。 これらの結果は,昆虫養殖用資源制約装置に軽量深層学習モデルを展開可能であり,クリケット生産の効率化と持続可能性向上のための実用的なソリューションを提供する。

関連論文リスト

• From Field to Drone: Domain Drift Tolerant Automated Multi-Species and Damage Plant Semantic Segmentation for Herbicide Trials [1.0483690290582848]
  本稿では,植物分類に基づく階層的推論を用いた汎用的自己教師型視覚モデルを提案する。 このモデルでは種同定(F1-score: 0.52 - 0.85, R-squared: 0.75 - 0.98)と損傷分類(F1-score: 0.28 - 0.44, R-squared: 0.71 - 0.87)を大幅に改善した。 現在はBASFの表現型パイプラインにデプロイされており、大規模で自動化された作物や雑草のモニタリングが多様な地理的に可能である。
  論文  参考訳（メタデータ） (2025-08-11T00:08:42Z)
• Efficient Federated Learning with Heterogeneous Data and Adaptive Dropout [62.73150122809138]
  Federated Learning(FL)は、複数のエッジデバイスを使用したグローバルモデルの協調トレーニングを可能にする、有望な分散機械学習アプローチである。 動的不均一モデルアグリゲーション(FedDH)と適応ドロップアウト(FedAD)の2つの新しい手法を備えたFedDHAD FLフレームワークを提案する。 これら2つの手法を組み合わせることで、FedDHADは精度(最大6.7%)、効率(最大2.02倍高速)、コスト(最大15.0%小型)で最先端のソリューションを大幅に上回っている。
  論文  参考訳（メタデータ） (2025-07-14T16:19:00Z)
• Involution-Infused DenseNet with Two-Step Compression for Resource-Efficient Plant Disease Classification [0.0]
  本研究では,重み付けと知識蒸留を統合した2段階モデル圧縮手法を提案する。 その結果、ResNet50sは、PandVillageとPaddyLeafのデータセットで99.55%と98.99%の精度を達成した。
  論文  参考訳（メタデータ） (2025-05-31T22:43:23Z)
• WorldPM: Scaling Human Preference Modeling [130.23230492612214]
  我々は、このスケーリングの可能性を強調するために、World Preference Modeling$ (WorldPM)を提案する。 多様なユーザコミュニティをカバーする公開フォーラムから選好データを収集する。 1.5Bから72Bパラメータの範囲で15Mスケールのデータを用いて広範囲なトレーニングを行う。
  論文  参考訳（メタデータ） (2025-05-15T17:38:37Z)
• Design and Implementation of FourCropNet: A CNN-Based System for Efficient Multi-Crop Disease Detection and Management [3.4161054453684705]
  本研究では,複数の作物の病原体を検出するための新しいディープラーニングモデルであるFourCropNetを提案する。 FourCropNetは、Grapeの99.7%、Cornの99.5%、組み合わせたデータセットの95.3%の最高精度を達成した。
  論文  参考訳（メタデータ） (2025-03-11T12:00:56Z)
• Efficient auto-labeling of large-scale poultry datasets (ALPD) using an ensemble model with self- and active-learning approaches [4.6951658997946755]
  本研究では,半教師付きオートラベル手法を探求し,自己学習と能動的学習のアプローチを統合して,大規模養鶏データセット(ALPD)の自動ラベル化のための効率的なラベルスカースフレームワークを開発する。 その結果, ブロイラーとヘン検出の性能指標を教師あり学習下で比較した場合, YOLOv8s-WorldとYOLOv9sの方が優れていた。 YOLO-Worldハイブリッドモデルは、最適なYOLOv8sバックボーンをゼロショットモデルに組み込んだもので、全体的な性能が最も高かった。
  論文  参考訳（メタデータ） (2025-01-18T16:20:04Z)
• Merging synthetic and real embryo data for advanced AI predictions [69.07284335967019]
  我々は、作成した2つのデータセットを用いて、2つの生成モデルをトレーニングし、既存の1つのデータセットを使用して、様々な細胞レベルで合成胚画像を生成する。 これらは実画像と組み合わせて、胚細胞ステージ予測のための分類モデルを訓練した。 その結果,実データと合成画像を組み合わせることで分類性能が向上し,実データのみをトレーニングした場合の94.5%に比べて97%の精度が得られた。
  論文  参考訳（メタデータ） (2024-12-02T08:24:49Z)
• Advancing Green AI: Efficient and Accurate Lightweight CNNs for Rice Leaf Disease Identification [0.0]
  米は世界の人口の半数以上にとって主要な食料源として重要な役割を担っている。 本研究では,イネ葉病分類のための3つの移動型CNNアーキテクチャについて検討した。 最高のパフォーマンスは、99.8%の精度でEfficientNet-B0モデルによって達成された。
  論文  参考訳（メタデータ） (2024-08-03T11:16:00Z)
• Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of legged robots [58.720142291102135]
  スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。 終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
  論文  参考訳（メタデータ） (2021-01-24T12:44:38Z)

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。