論文の概要: A UAV-Based Multispectral and RGB Dataset for Multi-Stage Paddy Crop Monitoring in Indian Agricultural Fields
- arxiv url: http://arxiv.org/abs/2601.01084v1
- Date: Sat, 03 Jan 2026 06:19:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-06 16:25:22.005641
- Title: A UAV-Based Multispectral and RGB Dataset for Multi-Stage Paddy Crop Monitoring in Indian Agricultural Fields
- Title（参考訳）: インド農業地域における多段階水田作物モニタリングのためのUAVベースマルチスペクトルとRGBデータセット
- Authors: Adari Rama Sukanya, Puvvula Roopesh Naga Sri Sai, Kota Moses, Rimalapudi Sarvendranath,
- Abstract要約: インド・アンヘラプラデーシュの水田で収集した大規模無人航空機(UAV)によるRGBおよびマルチスペクトル画像データセットについて述べる。
我々は20メガピクセルのRGBカメラと5メガピクセルの4バンドマルチスペクトルカメラを使い、赤、緑、赤、近赤外線の帯域を捉えた。
このデータセットは, 原画像42,430枚 (415 GB) で5エーカー以上を撮影し, 1cm/ピクセルの地中サンプリング距離を計測した。
- 参考スコア（独自算出の注目度）: 5.329135985749616
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a large-scale unmanned aerial vehicle (UAV)-based RGB and multispectral image dataset collected over paddy fields in the Vijayawada region, Andhra Pradesh, India, covering nursery to harvesting stages. We used a 20-megapixel RGB camera and a 5-megapixel four-band multispectral camera capturing red, green, red-edge, and near-infrared bands. Standardised operating procedure (SOP) and checklists were developed to ensure repeatable data acquisition. Our dataset comprises of 42,430 raw images (415 GB) captured over 5 acres with 1 cm/pixel ground sampling distance (GSD) with associated metadata such as GPS coordinates, flight altitude, and environmental conditions. Captured images were validated using Pix4D Fields to generate orthomosaic maps and vegetation index maps, such as normalised difference vegetation index (NDVI) and normalised difference red-edge (NDRE) index. Our dataset is one of the few datasets that provide high-resolution images with rich metadata that cover all growth stages of Indian paddy crops. The dataset is available on IEEE DataPort with DOI, . It can support studies on targeted spraying, disease analysis, and yield estimation.
- Abstract（参考訳）: インド・アンヘラプラデーシュ県ビジャヤワダ地域の水田で収集された大規模無人航空機RGBおよびマルチスペクトル画像データセットについて報告する。
我々は20メガピクセルのRGBカメラと5メガピクセルの4バンドマルチスペクトルカメラを使い、赤、緑、赤、近赤外線の帯域を捉えた。
標準化された操作手順(SOP)とチェックリストは、繰り返し可能なデータ取得を保証するために開発された。
本データセットは,GPS座標,飛行高度,環境条件などのメタデータを伴い,1cm/ピクセルの地中サンプリング距離(GSD)を5エーカー以上で取得した42,430枚の原画像(415GB)からなる。
Pix4D Fieldsを用いて,正規化差分植生指標 (NDVI) や正規化差分レッドエッジ指数 (NDRE) などの正統性地図と植生指標マップを生成する。
私たちのデータセットは、インド水田のすべての生育段階をカバーする豊富なメタデータを備えた高解像度画像を提供する数少ないデータセットの1つである。
データセットは IEEE DataPort with DOI, .NET で利用可能だ。
ターゲット噴霧、疾患解析、収量推定の研究を支援することができる。
関連論文リスト
- EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。
このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。
このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
論文 参考訳（メタデータ） (2025-01-14T13:42:22Z) - OAM-TCD: A globally diverse dataset of high-resolution tree cover maps [8.336960607169175]
OpenMap (OAM) から得られた高解像度の空中画像において, ツリークラウンデライン化(TCD)のための新しいオープンアクセスデータセットを提案する。
我々のデータセットであるOAM-TCDは、50722048x2048px画像を10cm/px解像度で、関連する280k個以上の木と56k個の木からなる。
データセットを使用して、既存の最先端モデルと比較する参照インスタンスとセマンティックセグメンテーションモデルをトレーニングする。
論文 参考訳（メタデータ） (2024-07-16T14:11:29Z) - Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve
Aerial Visual Perception? [57.77643186237265]
我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。
MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。
これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
論文 参考訳（メタデータ） (2023-12-07T18:59:14Z) - The Canadian Cropland Dataset: A New Land Cover Dataset for
Multitemporal Deep Learning Classification in Agriculture [0.8602553195689513]
カナディアン・クロップ・インベントリー (Canadian Annual Crop Inventory) から回収されたラベルで濃縮されたカナダの作物の時間的パッチベースのデータセット。
このデータセットは、4年間にわたって収集された10種類の作物から,78,536個の高解像度空間像を手作業で検証した。
ベンチマークとして,単一画像(ResNet,DenseNet,EfficientNet)や画像列(LRCN,3D-CNN)を同一位置から予測可能なモデルとソースコードを提供する。
論文 参考訳（メタデータ） (2023-05-31T18:40:15Z) - Automatic Detection of Natural Disaster Effect on Paddy Field from
Satellite Images using Deep Learning Techniques [2.142991584970654]
本研究では,バングラデシュの自然災害による水田被害を高解像度衛星画像を用いて検出することを目的とする。
著者らは田畑被害の実態をフィールドレベルから分析した。
論文 参考訳（メタデータ） (2023-04-02T20:37:22Z) - ARKitTrack: A New Diverse Dataset for Tracking Using Mobile RGB-D Data [75.73063721067608]
我々は,AppleのiPhoneおよびiPadに搭載されたコンシューマグレードのLiDARスキャナーによってキャプチャされた静的および動的シーンの両方を対象とした新しいRGB-D追跡データセットを提案する。
ARKitTrackには300のRGB-Dシーケンス、455のターゲット、229.7Kのビデオフレームが含まれている。
詳細な実験分析により,ARKitTrackデータセットがRGB-D追跡を著しく促進し,提案手法が芸術的状況と良好に比較できることが確認された。
論文 参考訳（メタデータ） (2023-03-24T09:51:13Z) - MIPI 2022 Challenge on RGBW Sensor Re-mosaic: Dataset and Report [90.34148262169595]
本稿では,新しい画像センサと撮像アルゴリズムに着目した5つのトラックを含むMIPIの最初の課題を紹介する。
参加者は、高品質なRGBWとBayerペアの70(トレーニング)と15(検証)シーンを含む、新しいデータセットを与えられた。
すべてのデータは、屋外と屋内の両方でRGBWセンサーで撮影されました。
論文 参考訳（メタデータ） (2022-09-15T06:06:56Z) - MIPI 2022 Challenge on RGBW Sensor Fusion: Dataset and Report [90.34148262169595]
本稿では,新しい画像センサと撮像アルゴリズムに着目した5つのトラックを含む,最初のMIPI課題を紹介する。
参加者は、高品質なRGBWとBayerペアの70(トレーニング)と15(検証)シーンを含む、新しいデータセットを与えられた。
すべてのデータは、屋外と屋内の両方でRGBWセンサーで撮影されました。
論文 参考訳（メタデータ） (2022-09-15T05:56:53Z) - MIPI 2022 Challenge on RGB+ToF Depth Completion: Dataset and Report [92.61915017739895]
本稿では,新しい画像センサと撮像アルゴリズムに着目した5つのトラックを含むMIPIの最初の課題を紹介する。
参加者にはTetrasRGBDという,高品質な合成RGB+Depthトレーニングデータ18万組と,混合ソースからの2.3万組のテストデータを含む,新たなデータセットが提供される。
最終結果は客観的指標と平均オピニオンスコア(MOS)を主観的に評価する。
論文 参考訳（メタデータ） (2022-09-15T05:31:53Z) - Classifying Crop Types using Gaussian Bayesian Models and Neural
Networks on GHISACONUS USGS data from NASA Hyperspectral Satellite Imagery [0.0]
我々は,USGS GHISACONUSデータにおいて,作物の種類を決定するための分類方法を提案する。
標準のLDAとQDA、および作物の種類とステージの結合確率を計算するベイズ風のカスタムバージョンを適用した。
また、データへのドロップアウトを伴う単一層ニューラルネットワークのテストも行ない、これはLDAに匹敵するがベイジアン法と同等ではない。
論文 参考訳（メタデータ） (2022-07-21T14:22:05Z)
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。