論文の概要: YOLO and SGBM Integration for Autonomous Tree Branch Detection and Depth Estimation in Radiata Pine Pruning Applications

• arxiv url: http://arxiv.org/abs/2512.05412v1
• Date: Fri, 05 Dec 2025 04:08:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:56.894248
• Title: YOLO and SGBM Integration for Autonomous Tree Branch Detection and Depth Estimation in Radiata Pine Pruning Applications
• Title（参考訳）: Radiata Pine Pruning における自律木枝検出と深さ推定のためのYOLOとSGBMの統合
• Abstract要約: ラジエータの松の木を手作業で刈り取ると、極端な作業の高さと挑戦的な地形のため、かなりの安全性のリスクが生じる。 本稿では, YOLOオブジェクト検出とセミグロバルブロックマッチング(SGBM)ステレオビジョンを統合し, 自律型ドローンプルーニング操作を実現するコンピュータビジョンフレームワークを提案する。 ステレオカメラ入力のみを用いて,高精度な分岐検出と深度推定を実現し,高価なLiDARセンサを不要とした。
• 参考スコア（独自算出の注目度）: 5.266753902938501
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Manual pruning of radiata pine trees poses significant safety risks due to extreme working heights and challenging terrain. This paper presents a computer vision framework that integrates YOLO object detection with Semi-Global Block Matching (SGBM) stereo vision for autonomous drone-based pruning operations. Our system achieves precise branch detection and depth estimation using only stereo camera input, eliminating the need for expensive LiDAR sensors. Experimental evaluation demonstrates YOLO's superior performance over Mask R-CNN, achieving 82.0% mAPmask50-95 for branch segmentation. The integrated system accurately localizes branches within a 2 m operational range, with processing times under one second per frame. These results establish the feasibility of cost-effective autonomous pruning systems that enhance worker safety and operational efficiency in commercial forestry.
• Abstract（参考訳）: ラジエータの松の木を手作業で刈り取ると、極端な作業の高さと挑戦的な地形のために大きな安全リスクが生じる。 本稿では, YOLOオブジェクト検出とセミグロバルブロックマッチング(SGBM)ステレオビジョンを統合し, 自律型ドローンプルーニング操作を実現するコンピュータビジョンフレームワークを提案する。 ステレオカメラ入力のみを用いて,高精度な分岐検出と深度推定を実現し,高価なLiDARセンサを不要とした。 実験により, YOLO は Mask R-CNN よりも優れた性能を示し, 分岐分割に対して 82.0% mAPmask50-95 を達成している。 統合システムは、ブランチを2mの操作範囲内で正確にローカライズし、処理時間は1フレームあたり1秒以下である。 これらの結果は、商業林業における作業者の安全性と運用効率を高めるコスト効率の高い自律刈取システムの実現可能性を確立するものである。

関連論文リスト

• A Marine Debris Detection Framework for Ocean Robots via Self-Attention Enhancement and Feature Interaction Optimization [3.9723394831068943]
  海洋ロボットの海洋破片検出は生態学的保護に不可欠であるが、その性能は、ぼやけ、複雑な背景、小さなターゲットを持つ低品質の画像によって劣化することが多い。 拡張されたYOLOベースの検出フレームワークであるYOLO-MDを提案する。 Dual-Branch Convolutional Enhanced Self-Attention (DB-CASA)モジュールは、空間チャネル相互作用を強化し、劣化した画像の特徴表現を改善するように設計されている。 パラメータ効率を保ちながら、様々なスケールのオブジェクトに対するきめ細かい特徴抽出を強化するために、軽量なシフトベース演算を導入した。
  論文  参考訳（メタデータ） (2026-05-08T07:43:01Z)
• Low-Cost Stereo Vision for Robust 3D Positioning of Thin Radiata Pine Branches in Autonomous Drone Pruning [5.266753902938501]
  既存の自律型プルーニングプラットフォームは、通常、LiDARのような高価なセンサーに依存している。 本稿では,ドローンに搭載された1台の低価格ステレオカメラが,十分正確な分岐検出を可能にするかどうかを検討する。
  論文  参考訳（メタデータ） (2026-05-06T10:01:25Z)
• Pro-HOI: Perceptive Root-guided Humanoid-Object Interaction [57.252599851031505]
  本稿では,知覚根誘導型ヒューマノイドオブジェクトインタラクション,Pro-HOIを紹介する。 Pro-HOIは、堅牢なヒューマノイドロコ操作のための一般化可能なフレームワークである。 ユニツリーG1ロボットの実証検証は、Pro-HOIが一般化と堅牢性においてベースラインを著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2026-03-01T14:19:59Z)
• FID-Net: A Feature-Enhanced Deep Learning Network for Forest Infestation Detection [18.263863060603615]
  本研究では,UAV可視光画像から害害木を検出する深層学習モデルFID-Netを提案する。 中国天山東部の32の森林区画から得られたUAV画像の実験では、FID-Netは86.10%の精度、75.44%のリコール、82.29%のmAP@0.5、64.30%のmAP@0.5:0.95を達成している。
  論文  参考訳（メタデータ） (2025-12-15T09:01:10Z)
• Agentic UAVs: LLM-Driven Autonomy with Integrated Tool-Calling and Cognitive Reasoning [3.4643961367503575]
  既存のUAVフレームワークには、コンテキスト対応の推論、自律的な意思決定、エコシステムレベルの統合が欠けている。 本稿では,5層アーキテクチャであるエージェントUAVフレームワークを紹介する(知覚,推論,アクション,統合,学習)。 ROS2 と Gazebo ベースのプロトタイプは YOLOv11 オブジェクト検出と GPT-4 推論とローカル Gemma-3 デプロイメントを統合している。
  論文  参考訳（メタデータ） (2025-09-14T08:46:40Z)
• LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
  この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。 本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。 その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-23T04:22:57Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Estimating the Diameter at Breast Height of Trees in a Forest With a Single 360 Camera [52.85399274741336]
  森林在庫は、生態モニタリング、資源管理、炭素会計のために、乳房の高さ(DBH)の直径の正確な測定に頼っている。 LiDARベースの技術はセンチメートル単位の精度を達成できるが、コストは抑えられ、運用上複雑である。 コンシューマグレードの360度ビデオカメラしか必要としない低価格の代替機を提示する。
  論文  参考訳（メタデータ） (2025-05-06T01:09:07Z)
• Optimizing Indoor Farm Monitoring Efficiency Using UAV: Yield Estimation in a GNSS-Denied Cherry Tomato Greenhouse [6.845690057916755]
  我々は、RGB-Dカメラ、3D LiDAR、IMUセンサーを備えた軽量無人航空機(UAV)を開発した。 本研究では,収穫行と成長行の2つのデータセットを用いてシステム評価を行う。 本研究は, 商業用温室における効率的なロボット収量推定のためのUAVの可能性を示すものである。
  論文  参考訳（メタデータ） (2025-05-02T04:41:57Z)
• More Clear, More Flexible, More Precise: A Comprehensive Oriented Object Detection benchmark for UAV [58.89234732689013]
  CODroneは、現実の状況を正確に反映した、UAVのための包括的なオブジェクト指向オブジェクト検出データセットである。 また、下流のタスク要求に合わせて設計された新しいベンチマークとしても機能する。 我々は、CODroneを厳格に評価するために、22の古典的またはSOTA法に基づく一連の実験を行う。
  論文  参考訳（メタデータ） (2025-04-28T17:56:02Z)
• Assessing SAM for Tree Crown Instance Segmentation from Drone Imagery [68.69685477556682]
  現在のモニタリング手法では、各種に対して手動で木を計測し、コスト、時間、労働力を必要とする。 ドローンリモートセンシングとコンピュータビジョンの進歩は、空中画像から木をマッピングし、特徴づける大きな可能性を秘めている。 若木植林の高分解能ドローン画像における樹冠の自動区分け作業におけるSAM法の比較を行った。 SAM out-of-box を用いたメソッドは、よく設計されたプロンプトであっても、カスタム Mask R-CNN よりも優れているわけではないが、SAM をチューニングするメソッドの可能性を秘めている。
  論文  参考訳（メタデータ） (2025-03-26T03:45:36Z)
• Mirror Target YOLO: An Improved YOLOv8 Method with Indirect Vision for Heritage Buildings Fire Detection [39.77603385164533]
  ミラーターゲットヨロ(mita-YOLO)と呼ばれる間接視覚に基づく火災検知手法を提案する。 MITA-YOLOは間接視覚展開と拡張検出モジュールを統合している。 鏡角を用いて間接的なビューを達成し、不規則空間における可視性に制限のある問題を解決する。
  論文  参考訳（メタデータ） (2024-11-21T10:23:00Z)
• Drone Stereo Vision for Radiata Pine Branch Detection and Distance Measurement: Utilizing Deep Learning and YOLO Integration [4.730379319834545]
  本研究は,木の枝の空間的位置を正確に検出・測定する,刈り取り工具とステレオビジョンカメラを備えたドローンの開発に焦点をあてる。 分岐セグメンテーションにはYOLOを用い, モノクラーとステレオの2つの深度推定手法について検討した。
  論文  参考訳（メタデータ） (2024-10-01T08:34:00Z)
• Drone Stereo Vision for Radiata Pine Branch Detection and Distance Measurement: Integrating SGBM and Segmentation Models [4.730379319834545]
  本研究では,専用プルーニングツールとステレオビジョンカメラを備えたドローン式プルーニングシステムの開発を提案する。 YOLOやMask R-CNNを含むディープラーニングアルゴリズムは、正確な分岐検出を保証するために使用される。 これらの技術間の相乗効果により、分岐位置の正確な同定が容易になり、効率的で標的とした刈り取りが可能となる。
  論文  参考訳（メタデータ） (2024-09-26T04:27:44Z)
• A Self-Supervised Task for Fault Detection in Satellite Multivariate Time Series [45.31237646796715]
  この研究は、複雑な分布と高次元分布をモデル化する能力で有名な物理インフォームドリアルNVPニューラルネットワークを活用する新しいアプローチを提案する。 実験には、セルフスーパービジョンによる事前トレーニング、マルチタスク学習、スタンドアロンのセルフ教師付きトレーニングなど、さまざまな構成が含まれている。 結果は、すべての設定で大幅にパフォーマンスが向上したことを示している。
  論文  参考訳（メタデータ） (2024-07-03T07:19:41Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)

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。