論文の概要: Vision-Based Early Fault Diagnosis and Self-Recovery for Strawberry Harvesting Robots

• arxiv url: http://arxiv.org/abs/2601.02085v1
• Date: Mon, 05 Jan 2026 13:12:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:23.139989
• Title: Vision-Based Early Fault Diagnosis and Self-Recovery for Strawberry Harvesting Robots
• Title（参考訳）: 目視によるイチゴ収穫ロボットの早期故障診断と自己回復
• Abstract要約: イチゴ収穫効率は, 視覚的知覚, フルーツ・グリッパーのミスアライメント, 空のつかみ, イチゴのすべり面を妥協した。 本稿では,マルチタスク認識と補正制御戦略を統合した視覚的故障診断と自己回復フレームワークを提案する。 SRR-Netは、リピート検出、セグメンテーション、リピート推定を同時に行うエンド・ツー・エンドのマルチタスク知覚モデルである。
• 参考スコア（独自算出の注目度）: 13.385551942959282
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Strawberry harvesting robots faced persistent challenges such as low integration of visual perception, fruit-gripper misalignment, empty grasping, and strawberry slippage from the gripper due to insufficient gripping force, all of which compromised harvesting stability and efficiency in orchard environments. To overcome these issues, this paper proposed a visual fault diagnosis and self-recovery framework that integrated multi-task perception with corrective control strategies. At the core of this framework was SRR-Net, an end-to-end multi-task perception model that simultaneously performed strawberry detection, segmentation, and ripeness estimation, thereby unifying visual perception with fault diagnosis. Based on this integrated perception, a relative error compensation method based on the simultaneous target-gripper detection was designed to address positional misalignment, correcting deviations when error exceeded the tolerance threshold. To mitigate empty grasping and fruit-slippage faults, an early abort strategy was implemented. A micro-optical camera embedded in the end-effector provided real-time visual feedback, enabling grasp detection during the deflating stage and strawberry slip prediction during snap-off through MobileNet V3-Small classifier and a time-series LSTM classifier. Experiments demonstrated that SRR-Net maintained high perception accuracy. For detection, it achieved a precision of 0.895 and recall of 0.813 on strawberries, and 0.972/0.958 on hands. In segmentation, it yielded a precision of 0.887 and recall of 0.747 for strawberries, and 0.974/0.947 for hands. For ripeness estimation, SRR-Net attained a mean absolute error of 0.035, while simultaneously supporting multi-task perception and sustaining a competitive inference speed of 163.35 FPS.
• Abstract（参考訳）: イチゴ収穫ロボットは、収穫安定性と果樹栽培環境の効率を損なうため、視覚的認識の低下、フルーツグリッパーの誤調整、グリップの空き、グリップ力不足によるグリッパーからのイチゴのすべりなど、永続的な課題に直面した。 これらの問題を克服するために,多タスク認識と補正制御戦略を統合した視覚的故障診断と自己回復フレームワークを提案する。 このフレームワークのコアとなるSRR-Netは、イチゴの検出、セグメンテーション、熟度推定を同時に行うエンドツーエンドのマルチタスク認識モデルである。 この統合された認識に基づいて、同時目標グリッパー検出に基づく相対誤差補償法が設計され、誤差が許容しきい値を超えた場合のずれを補正する。 空き握りとフルーツスリップフォールトを緩和するため,早期停電戦略を施行した。 エンドエフェクタに埋め込まれたマイクロ光学カメラは、リアルタイムな視覚フィードバックを提供し、MobileNet V3-Small分類器と時系列LSTM分類器を介して、露光時の把握と、スナップオフ時のイチゴスリップ予測を可能にする。 実験の結果、SRR-Netは高い知覚精度を維持していた。 検出のために、イチゴは0.895、イチゴは0.813、手は0.972/0.958の精度を達成した。 セグメンテーションの精度は0.887、イチゴは0.747、手は0.974/0.947であった。 熟度推定のために、SRR-Netは平均絶対誤差0.035を達成し、同時にマルチタスク認識をサポートし、163.35 FPSの競合推論速度を維持した。

関連論文リスト

• Beyond Control Points: Arcsecond Relative-Motion Estimation of Vision Measurement Platforms With Incomplete or Absent Control Fields [43.43572961146893]
  画像の変位や既知の3D点から直接プラットフォームの動きを推定する制御適応微分フレームワークを開発した。 我々は、回転可観測条件、非モデル翻訳および非剛点運動のためのリークバウンド、および単一点軸偏差法を導出する。
  論文  参考訳（メタデータ） (2026-08-14T03:41:30Z)
• A Few Neurons Reveal When LLMs Misuse Tools: Sparse Detection and Selective Steering for Reliable Tool Use [28.57781785937644]
  PRISMS(Probing Representations In Support of Monitoring and Steering)は,スパース検出とアクティベーションの間に障害特異的ニューロンベースを共有するクローズループフレームワークである。 6つのモデル全体で、PRISMSはプールされたオーバーコール率を80%削減し、ツール要求の精度を14.2%向上させた。
  論文  参考訳（メタデータ） (2026-07-31T19:03:44Z)
• Untangling Co-Drift: Proactive Multi-Intent Failure Prediction and Root-Cause Disambiguation for Self-Driving Networks [0.0]
  反応ドリフト検出から積極的故障予測への意図保証を再構築するフレームワークであるMILDを紹介する。 MILDは高い故障検出率と根本原因検出への強い依存を実現する。 このMILDイネーブルは、次世代自律ネットワークにおけるクローズループ保証の実用的な実現方法である。
  論文  参考訳（メタデータ） (2026-07-28T17:06:24Z)
• The Granularity Paradox: How Temporal Disaggregation Inflates In-Sample Fit and Compounds Out-of-Sample Error [0.0]
  時系列予測における「グラニュラリティパラドックス」は, 時間分解の微細化により, サンプル内診断やデータセットサイズが向上する。 このトレードオフを形式化し、13年間の公開調達データセットを使用して、6つの粒度にわたる10のモデルをベンチマークします。
  論文  参考訳（メタデータ） (2026-07-05T11:52:08Z)
• AnemiaVision: Non-Invasive Anemia Detection via Smartphone Imagery Using EfficientNet-B3 with TrivialAugmentWide, Mixup Augmentation, and Persistent Patient History Management [0.7614628596146601]
  貧血は世界中で10億人以上に影響し、低資源地域では深刻な診断を受けていない。 AnemiaVisionは、スマートフォンの写真から非侵襲性貧血をスクリーニングするエンドツーエンドのWebベースシステムである。 認証精度は96.2%、AUC-ROCは0.98、AUC-ROCは44.9%、AUC-ROCは0.58である。
  論文  参考訳（メタデータ） (2026-04-24T19:14:02Z)
• Uncertainty-Aware Mapping from 3D Keypoints to Anatomical Landmarks for Markerless Biomechanics [39.155383773210836]
  マーカーレスバイオメカニクスは、ますますビデオから抽出された3D骨格キーポイントに依存している。 本研究では,3Dポーズキーポイントを3D解剖学的ランドマークにマッピングするための信頼度尺度として,予測の不確実性について検討する。
  論文  参考訳（メタデータ） (2026-03-27T09:42:23Z)
• Perception-Aware Time-Optimal Planning for Quadrotor Waypoint Flight [25.084985306310827]
  本稿では,視覚に基づく四元数に対する時間-最適軌道最適化フレームワークを提案する。 知覚制約を完全な非線形力学、ローターの作動制限、空力効果、カメラの視野制約、凸幾何学ゲート表現と組み合わせる。 実験では、実際の飛行速度は9.8m/s、平均追跡誤差は0.07m、クローズドループの成功率は55%から100%に向上した。
  論文  参考訳（メタデータ） (2026-03-04T17:22:16Z)
• ConVibNet: Needle Detection during Continuous Insertion via Frequency-Inspired Features [36.97601609064981]
  本研究では,針検出のためのVibNetの拡張であるConVibNetについて述べる。 連続するフレーム間の動き相関を明示的に活用する新たな交叉・差分損失を導入する。
  論文  参考訳（メタデータ） (2026-03-01T15:16:25Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• Information Fidelity in Tool-Using LLM Agents: A Martingale Analysis of the Model Context Protocol [69.11739400975445]
  モデルコンテキストプロトコル(MCP)エージェントにおけるエラー蓄積を解析するための最初の理論的枠組みを紹介する。 累積歪みが線形成長と高確率偏差を$O(sqrtT)$で表すことを示す。 主な発見は、意味重み付けは歪みを80%減らし、周期的再接地は、エラー制御の約9ステップごとに十分である。
  論文  参考訳（メタデータ） (2026-02-10T21:08:53Z)
• Benchmarking Corruption Robustness of LVLMs: A Discriminative Benchmark and Robustness Alignment Metric [49.393713730706445]
  汚損の堅牢性を評価するための識別サンプルを強調したベンチマークであるBench-Cを紹介する。 本稿では,ロバストネスアライメントスコア(RAS)を提案する。
  論文  参考訳（メタデータ） (2025-11-24T12:07:56Z)
• I Detect What I Don't Know: Incremental Anomaly Learning with Stochastic Weight Averaging-Gaussian for Oracle-Free Medical Imaging [2.384534878752428]
  異常ラベルを使わずに,信頼度の高い正規サンプル群を漸進的に拡張する,教師なしのオラクルフリーフレームワークを導入する。 凍結した事前訓練された視覚バックボーンは、小さな畳み込みアダプタで拡張され、無視できる計算オーバーヘッドを伴う高速なドメイン適応が保証される。 COVID-CXRでは、ROC-AUCは0.9489から0.9982に改善され、肺炎CXRでは0.6834から0.8968に上昇し、脳MRIではND-5では0.6041から0.7269に上昇する。
  論文  参考訳（メタデータ） (2025-11-05T23:28:14Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Machine Generalize Learning in Agent-Based Models: Going Beyond Surrogate Models for Calibration in ABMs [0.0]
  キャリブレーションエージェントベースの疫病モデルは、計算的に要求されている。 本稿では,流行時系列からSIRパラメータへの逆写像を学習する教師付き機械学習校正器を提案する。
  論文  参考訳（メタデータ） (2025-09-06T18:28:00Z)
• Online Estimation of Table-Top Grown Strawberry Mass in Field Conditions with Occlusions [2.736203444988168]
  本研究では、RGB-Dセンシングとディープラーニングを統合したビジョンベースパイプラインを提案し、非破壊的、リアルタイム、オンラインの質量推定を可能にする。 実験では、イチゴが8.11%、閉塞例が10.47%の質量推定誤差が示された。
  論文  参考訳（メタデータ） (2025-07-31T12:10:23Z)
• Model Discovery and Graph Simulation: A Lightweight Gateway to Chaos Engineering [0.0]
  カオスエンジニアリングはレジリエンスのリスクを明らかにしますが、広く頻繁に実行するには高価で運用上のリスクがあります。 我々は、単純な接続のみのトポロジモデルにより、フェールストップフォールトの下で、高速で低リスクなアベイラビリティー推定を行うことができると主張している。
  論文  参考訳（メタデータ） (2025-06-12T10:59:28Z)
• Bridging Internal Probability and Self-Consistency for Effective and Efficient LLM Reasoning [53.25336975467293]
  パープレキシティや自己整合性などの手法の第一理論誤差分解解析について述べる。 パープレキシティ法は、適切な整合関数が存在しないため、かなりのモデル誤差に悩まされる。 本稿では、自己整合性とパープレキシティを統合したReasoning-Pruning Perplexity Consistency(RPC)と、低確率推論経路を排除したReasoning Pruningを提案する。
  論文  参考訳（メタデータ） (2025-02-01T18:09:49Z)
• Strawberry detection and counting based on YOLOv7 pruning and information based tracking algorithm [2.8246025005347875]
  本研究は,イチゴの花,未熟果実,成熟果実の検出を迅速かつ正確に行うことができる深層学習モデル(YOLOv7とその変種)の検出ヘッドの最適刈り取り法を提案した。 特にPruning-YOLOv7-tiny with detection head 3とPruning-YOLOv7-tiny with head 2 and 3は最高の推論速度(毎秒163.9フレーム)と検出精度(89.1%)を達成した。
  論文  参考訳（メタデータ） (2024-07-17T14:41:57Z)
• Accurate Detection of Mediastinal Lesions with nnDetection [1.6771547256154151]
  縦断損傷解析(MELA)チャレンジ2022に自己構成法nnDetectionの修正版を適用した。 IoU0.10では0.9922、IoU0.3では0.9880の優れたFROCスコアを得た。 提出されたアンサンブルは、MELAチャレンジリーダーボードでFROCスコア0.9897で3位にランクインした。
  論文  参考訳（メタデータ） (2023-03-20T15:46:49Z)
• Hybrid Predictive Coding: Inferring, Fast and Slow [62.997667081978825]
  本稿では,反復型と償却型の両方を原則的に組み合わせたハイブリッド予測符号化ネットワークを提案する。 我々は,本モデルが本質的に不確実性に敏感であり,最小計算費用を用いて正確な信念を得るためにバランスを適応的にバランスさせることを実証した。
  論文  参考訳（メタデータ） (2022-04-05T12:52:45Z)

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。