論文の概要: Active Robotic Perception for Disease Detection and Mapping in Apple Trees

• arxiv url: http://arxiv.org/abs/2603.23112v1
• Date: Tue, 24 Mar 2026 12:05:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.462662
• Title: Active Robotic Perception for Disease Detection and Mapping in Apple Trees
• Title（参考訳）: Apple樹の病気検出とマッピングのためのアクティブロボット知覚
• Authors: Hayden Feddock, Francisco Yandun, Srđan Aćimović, Abhisesh Silwal,
• Abstract要約: 大規模な果樹園生産には、時間と正確な病気のモニタリングが必要である。 ルーティン・マニュアル・スカウトは労働集約的であり、近代的な作戦の規模では経済的に非現実的である。 本研究は,リンゴの休眠木における標的疾患の検出とマッピングのための自律移動能動認識システムを提案する。
• 参考スコア（独自算出の注目度）: 1.565870461096057
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large-scale orchard production requires timely and precise disease monitoring, yet routine manual scouting is labor-intensive and financially impractical at the scale of modern operations. As a result, disease outbreaks are often detected late and tracked at coarse spatial resolutions, typically at the orchard-block level. We present an autonomous mobile active perception system for targeted disease detection and mapping in dormant apple trees, demonstrated on one of the most devastating diseases affecting apple today -- fire blight. The system integrates flash-illuminated stereo RGB sensing, real-time depth estimation, instance-level segmentation, and confidence-aware semantic 3D mapping to achieve precise localization of disease symptoms. Semantic predictions are fused into the volumetric occupancy map representation enabling the tracking of both occupancy and per-voxel semantic confidence, building actionable spatial maps for growers. To actively refine observations within complex canopies, we evaluate three viewpoint planning strategies within a unified perception-action loop: a deterministic geometric baseline, a volumetric next-best-view planner that maximizes unknown-space reduction, and a semantic next-best-view planner that prioritizes low-confidence symptomatic regions. Experiments on a fabricated lab tree and five simulated symptomatic trees demonstrate reliable symptom localization and mapping as a precursor to a field evaluation. In simulation, the semantic planner achieves the highest F1 score (0.6106) after 30 viewpoints, while the volumetric planner achieves the highest ROI coverage (85.82\%). In the lab setting, the semantic planner attains the highest final F1 (0.9058), with both next-best-view planners substantially improving coverage over the baseline.
• Abstract（参考訳）: 大規模な果樹園生産は、タイムリーで正確な病気のモニタリングを必要とするが、日常的な手動スカウトは労働集約的で、近代的な作業の規模では経済的に非現実的である。 その結果、病気の発生は遅く検出され、通常は果樹園ブロックレベルで、粗い空間分解能で追跡される。 我々は,リンゴの休眠木において,標的とする疾患の検出とマッピングを行う自律移動型能動認識システムを提案する。 このシステムは、フラッシュ照射されたステレオRGBセンシング、リアルタイム深度推定、インスタンスレベルのセグメンテーション、および信頼性を考慮したセマンティック3Dマッピングを統合して、疾患症状の正確な局所化を実現する。 セマンティックな予測を体積占有地図表現に融合し、占有率と語彙ごとのセマンティックな信頼度の両方をトラッキングし、農家のための実用的な空間地図を構築する。 複雑なキャノピー内での観察を活発に改善するために、決定論的幾何学的ベースライン、未知空間の縮小を最大化するボリューム次ベストビュープランナー、低信頼のシンプトマティック領域を優先するセマンティック次ベストビュープランナーの3つの視点計画戦略を評価した。 実験室木と5本の模擬共生木を用いた実験により, 現場評価の先駆けとして, 信頼性の高い症状の局在化とマッピングが示された。 シミュレーションでは、30視点で、セマンティックプランナーが最高F1スコア(0.6106)、ボリュームプランナーが最高ROIカバレッジ(85.82\%)を達成する。 実験室では、セマンティックプランナーが最上位のF1(0.9058)に達し、両方の次のベストビュープランナーがベースラインのカバレッジを大幅に改善した。

関連論文リスト

• Anatomy of a Lie: A Multi-Stage Diagnostic Framework for Tracing Hallucinations in Vision-Language Models [62.932580559941414]
  VLM(Vision-Language Models)は、しばしば「ハロシン化(hallucinate)」する。 本稿では,静的な出力誤差からモデル計算認知の動的病理へ再キャストし,幻覚を診断するための新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-03-16T17:20:38Z)
• 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)
• Real-Time Stochastic Terrain Mapping and Processing for Autonomous Safe Landing [0.0]
  本稿では,新しいリアルタイムな惑星地形マッピングアルゴリズムを開発した。 サンプル点間の地形的不確実性や、スパース3次元測定による不確かさを考慮に入れている。
  論文  参考訳（メタデータ） (2024-09-14T05:12:14Z)
• Shifting Focus: From Global Semantics to Local Prominent Features in Swin-Transformer for Knee Osteoarthritis Severity Assessment [42.09313885494969]
  我々はSwin Transformerの能力を利用して階層的な枠組みを通じて画像内の空間的依存関係を識別する。 我々の新しい貢献は、局所的な特徴表現を精細化し、分類器の最終的な分布に特化することにある。 Knee osteoArthritis (KOA) グレード分類のための2つの確立されたベンチマークを広範囲に検証した結果,本モデルは有意な堅牢性と精度を示した。
  論文  参考訳（メタデータ） (2024-03-15T01:09:58Z)
• PlantPlotGAN: A Physics-Informed Generative Adversarial Network for Plant Disease Prediction [2.7409168462107347]
  リアルな植生指標を持つ合成多スペクトルプロット画像を作成することができる物理インフォームド・ジェネレーティブ・モデルであるPlanetPlotGANを提案する。 その結果, PlantPlotGANから生成された合成画像はFr'echet開始距離に関して最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-10-27T16:56:28Z)
• XADLiME: eXplainable Alzheimer's Disease Likelihood Map Estimation via Clinically-guided Prototype Learning [3.286378299443229]
  3次元sMRI上でのAD進行モデリングのためのXADLiMEを用いた新しい深層学習手法を提案する。 具体的には,ADスペクトル多様体を探索し,潜在臨床特徴のクラスタ上にトポロジカル・アウェア・プロトタイプのセットを構築した。 次に,潜在臨床特徴と確立されたプロトタイプとの類似性を測定し,擬似可能性マップを推定した。
  論文  参考訳（メタデータ） (2022-07-27T00:25:55Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• SSMD: Semi-Supervised Medical Image Detection with Adaptive Consistency and Heterogeneous Perturbation [47.001609080453335]
  SSMD(Semi-Supervised Medical Image Detector)を提案する。 SSMDの背後にあるモチベーションは、各位置での予測を一貫性のあるものにすることで、ラベルのないデータに対して、自由かつ効果的な監視を提供することである。 広範な実験結果から,提案したSSMDは,幅広い環境下での最先端性能を実現することが示唆された。
  論文  参考訳（メタデータ） (2021-06-03T01:59:50Z)
• The efficacy of Neural Planning Metrics: A meta-analysis of PKL on nuScenes [77.83263286776938]
  自律運転(AD)における高性能物体検出システムの役割 通常、平均的精度で評価されるパフォーマンスは、シーン内のアクターの向きや距離を考慮していない。 近年、フィリオンらは、プランナーの軌道と基底経路のKL分散に基づく神経計画測度(PKL)を提案した。
  論文  参考訳（メタデータ） (2020-10-19T09:32:48Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)
• The Plant Pathology 2020 challenge dataset to classify foliar disease of apples [0.0]
  米国のリンゴ果樹園は、多くの病原体や昆虫から常に脅威にさらされている。病気管理の適正かつタイムリーな展開は、早期の疾患検出に依存している。 我々は,複数のリンゴ葉病の高画質・実生症状画像3,651枚を手作業で取得した。 リンゴの皮、スギのリンゴのさび、健康な葉のパイロットデータセットを作成するために専門家が注釈を付けたサブセットが、Kaggleコミュニティの'Plant Pathology Challenge'で利用可能になった。
  論文  参考訳（メタデータ） (2020-04-24T19:36:37Z)

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。