論文の概要: Active Optics for Hyperspectral Imaging of Reflective Agricultural Leaf Sensors
- arxiv url: http://arxiv.org/abs/2512.10213v1
- Date: Thu, 11 Dec 2025 02:03:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.273202
- Title: Active Optics for Hyperspectral Imaging of Reflective Agricultural Leaf Sensors
- Title（参考訳）: 反射型農業用葉センサのハイパースペクトルイメージングのためのアクティブ光学
- Authors: Dexter Burns, Sanjeev Koppal,
- Abstract要約: 植物の健康状態のモニタリングは、リアルタイムな生理的データを提供する葉のついたセンサーにますます依存している。
我々は、植物センサーを自律的に検出し、尋問する統合的で適応的でスケーラブルな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://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Monitoring plant health increasingly relies on leaf-mounted sensors that provide real-time physiological data, yet efficiently locating and sampling these sensors in complex agricultural environments remains a major challenge. We present an integrated, adaptive, and scalable system that autonomously detects and interrogates plant sensors using a coordinated suite of low-cost optical components including a LiDAR, liquid lens, monochrome camera, filter wheel, and Fast Steering Mirror (FSM). The system first uses LiDAR to identify the distinct reflective signatures of sensors within the field, then dynamically redirects the camera s field of view via the FSM to target each sensor for hyperspectral imaging. The liquid lens continuously adjusts focus to maintain image sharpness across varying depths, enabling precise spectral measurements. We validated the system in controlled indoor experiments, demonstrating accurate detection and tracking of reflective plant sensors and successful acquisition of their spectral data. To our knowledge, no other system currently integrates these sensing and optical modalities for agricultural monitoring. This work establishes a foundation for adaptive, low-cost, and automated plant sensor interrogation, representing a significant step toward scalable, real-time plant health monitoring in precision agriculture.
- Abstract（参考訳）: 植物の健康状態のモニタリングは、リアルタイムな生理的データを提供するリーフマウントセンサーにますます依存しているが、複雑な農業環境でこれらのセンサーを効率よく見つけ、サンプリングすることは大きな課題だ。
我々は、LiDAR、液体レンズ、モノクロームカメラ、フィルタホイール、高速ステアリングミラー(FSM)を含む低コストな光学部品群を用いて、植物センサーを自律的に検出し、尋問する統合的で適応的でスケーラブルなシステムを提案する。
システムはまずLiDARを使用して、フィールド内のセンサーの異なる反射署名を特定し、次にFSMを介してカメラの視野を動的にリダイレクトし、それぞれのセンサーをハイパースペクトルイメージングにターゲットする。
液体レンズは焦点を連続的に調整し、画像のシャープネスを様々な深さにわたって維持し、正確なスペクトル測定を可能にする。
制御室内実験において, 反射型植物センサの正確な検出と追跡を行い, スペクトルデータの取得に成功した。
我々の知る限りでは、農業モニタリングにこれらのセンシングと光学モードを統合するシステムは他にない。
この研究は、適応的で低コストで自動化された植物センサーの尋問の基盤を確立し、精密農業におけるスケーラブルでリアルタイムな植物健康モニタリングに向けた重要なステップである。
関連論文リスト
- ReSPEC: A Framework for Online Multispectral Sensor Reconfiguration in Dynamic Environments [6.718801307135799]
センサ,学習,アクティベーションをクローズドなリコンフィグレーションループに統合するフレームワークを導入する。
我々は,このフレームワークを移動体ローバー上で実装し評価し,適応制御がベースラインに比べて5.3%の精度低下で負荷を29.3%削減することを示した。
論文 参考訳（メタデータ） (2026-02-11T05:39:24Z) - Investigating Sensors and Methods in Grasp State Classification in Agricultural Manipulation [2.5500425544365335]
本研究は、慣性測定ユニット(IMU)、赤外線反射、テンション、触覚センサー、RGBカメラなどの一連のキーセンサーを、グリップ状態の分類に適合するグリップパーに統合する。
ランダムフォレスト分類器は、制御された実験室環境で訓練され、本物のサクラトマトの植物で試験され、スリップの特定、失敗の把握、ピックの成功において100%の精度を達成した。
論文 参考訳（メタデータ） (2025-08-15T16:47:42Z) - Hydra-Bench: A Benchmark for Multi-Modal Leaf Wetness Sensing [5.54739216930577]
本稿では,葉の濡れ度検出における機械学習アルゴリズムの評価と進展に特化して設計された,新しいマルチモーダルデータセットを提案する。
本データセットは,5種の植物から6ヶ月以上にわたって収集したmWave生データ,合成開口レーダ(SAR)画像,RGB画像から構成した。
論文 参考訳（メタデータ） (2025-07-30T13:47:56Z) - SPARK: Multi-Vision Sensor Perception and Reasoning Benchmark for Large-scale Vision-Language Models [43.79587815909473]
本稿では,SPARKと呼ばれるマルチビジョンセンサ知覚と推論ベンチマークの構築を目的とする。
我々は6,248個の視覚言語検定サンプルを作成し,多視点感覚知覚と多視点感覚推論を物理センサ知識の熟練度に基づいて検討した。
その結果、ほとんどのモデルでは、様々な範囲で多視点感覚理論の欠陥が見られた。
論文 参考訳（メタデータ） (2024-08-22T03:59:48Z) - Multi-Modal Neural Radiance Field for Monocular Dense SLAM with a
Light-Weight ToF Sensor [58.305341034419136]
単眼カメラと軽量ToFセンサを備えた初の高密度SLAMシステムを提案する。
本稿では,RGBカメラと軽量ToFセンサの両方の信号のレンダリングをサポートするマルチモーダル暗黙のシーン表現を提案する。
実験により,本システムは軽量なToFセンサの信号をうまく利用し,競合的な結果が得られることが示された。
論文 参考訳（メタデータ） (2023-08-28T07:56:13Z) - Multi-Visual-Inertial System: Analysis, Calibration and Estimation [26.658649118048032]
マルチビジュアル・慣性システム(MVIS)の状態を推定し,センサ融合アルゴリズムを開発した。
我々は、関連する視覚慣性センサーの完全な校正に興味を持っている。
論文 参考訳（メタデータ） (2023-08-10T02:47:36Z) - FEDORA: Flying Event Dataset fOr Reactive behAvior [9.470870778715689]
イベントベースのセンサーは、高速な動きを捉えるための標準フレームベースのカメラに代わる低レイテンシと低エネルギーの代替として登場した。
Flying Eventデータセット fOr Reactive behAviour (FEDORA) - 知覚タスクのための完全に合成されたデータセット。
論文 参考訳（メタデータ） (2023-05-22T22:59:05Z) - Extrinsic Camera Calibration with Semantic Segmentation [60.330549990863624]
本稿では,セグメンテーション情報を利用してパラメータ推定を自動化する,外部カメラキャリブレーション手法を提案する。
われわれのアプローチは、カメラのポーズの粗い初期測定と、車両に搭載されたライダーセンサーによる構築に依存している。
シミュレーションおよび実世界のデータを用いて,キャリブレーション結果の低誤差測定を行う。
論文 参考訳（メタデータ） (2022-08-08T07:25:03Z) - MIMC-VINS: A Versatile and Resilient Multi-IMU Multi-Camera
Visual-Inertial Navigation System [44.76768683036822]
視覚慣性ナビゲーションシステムのためのリアルタイム一貫したマルチIMUマルチカメラ(CMU)-VINS推定器を提案する。
効率的な多状態制約フィルタ内では、提案したMIMC-VINSアルゴリズムは、すべてのセンサからの非同期測定を最適に融合する。
提案したMIMC-VINSはモンテカルロシミュレーションと実世界実験の両方で検証されている。
論文 参考訳（メタデータ） (2020-06-28T20:16:08Z) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳（メタデータ） (2020-05-24T10:32:49Z)
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。