Fugu-MT 論文翻訳(概要): Concept of a Sensor Test Environment for Dusty Agricultural Conditions

論文の概要: Concept of a Sensor Test Environment for Dusty Agricultural Conditions

arxiv url: http://arxiv.org/abs/2609.03895v1
Date: Thu, 03 Sep 2026 14:15:41 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-04 18:28:39.101993
Title: Concept of a Sensor Test Environment for Dusty Agricultural Conditions
Title（参考訳）: ダスト農業環境のためのセンサテスト環境の概念
Abstract要約: 本研究は、屋内と屋外のエリアからなる証明場の概念を提示する。室内領域は、閉じたシステムで塵が循環する実験室試験台と、寿命の大きい物を置くことができる試験場とを備える。屋外エリアには、現実世界の農業作業中に、再現可能なデータをほこりなしで記録できる専用のテスト装置が設けられている。
参考スコア（独自算出の注目度）: 2.6097841018267616
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Dust in agriculture presents a significant challenge for autonomous agricultural machinery. Dust can impair the performance of sensors and algorithms. This work, therefore, presents a concept for a proving ground consisting of an indoor and outdoor area. The indoor area comprises a laboratory test bench where dust circulates in a closed system and a test hall where life-size objects can be placed. The outdoor area features dedicated test setups that enable reproducible data to be recorded with and without dust during real-world agriculture work. The proving ground and the setups are visualized in 3D.
Abstract（参考訳）: 農業におけるダストは、自律的な農業機械にとって重要な課題である。ダストはセンサーやアルゴリズムの性能を損なう可能性がある。この研究は、屋内と屋外のエリアからなる証明場の概念を提示する。室内領域は、閉じたシステムで塵が循環する実験室試験台と、寿命の大きい物を置くことができる試験場とを備える。屋外エリアには、現実世界の農業作業中に、再現可能なデータをほこりなしで記録できる専用のテスト装置が設けられている。証明場とセットアップは3Dで視覚化される。

関連論文リスト

Automated Robotic Moisture Monitoring in Agricultural Fields [0.0]
このプロジェクトの主な目的は、オンフィールドの水分センサー回路と協調してロボットキットを使用することである。本研究により, 農地の水分を自動計測するプロトタイプが開発されている。
論文参考訳（メタデータ） (2026-05-09T16:52:31Z)
Form-Fitting, Large-Area Sensor Mounting for Obstacle Detection [99.11587290390071]
本研究では,センサをロボットリンクに装着して大規模センシングを行うための低コストな手法を提案する。コンピュータ支援設計(CAD)を用いることで、ロボットの皮膚カバー、またはスキンユニットをプロシージャ的に生成し、非発達可能な表面の周囲に適合させることができる。スキンユニットは、どんなサイズでもプリントされた回路基板のマウントを埋め込んで、センサーを固定された場所や既知の場所に保持する。
論文参考訳（メタデータ） (2026-03-24T21:20:57Z)
Investigating Domain Gaps for Indoor 3D Object Detection [60.55242233729081]
本研究では,屋内3次元物体検出器を1つのデータセットから別のデータセットに適応させる作業について考察する。本稿では, ScanNet, SUN RGB-D, 3D Frontのデータセットと, 新たに提案した大規模データセット ProcTHOR-OD と ProcFront を用いたベンチマークを提案する。本研究は,3次元物体検出器におけるドメインギャップの違いが,合成から現実への適応,点雲品質適応,レイアウト適応,インスタンス特徴適応など,さまざまな適応シナリオについて実験を行った。
論文参考訳（メタデータ） (2025-08-24T16:34:19Z)
Detecting Plant VOC Traces Using Indoor Air Quality Sensors [9.218359701264797]
植物は、病原体、捕食者、光、温度などの非生物的・生物的ストレス因子に曝されると、テルペン(VOCの一種)を産生する。制御された実験で16テルペンを測定して、これらのセンサーの感度を定量化し、現実的な環境で最も有望なテルペンを特定し、テストした。本研究は, 植物VOC検出の課題を克服する基盤を確立し, 将来のスマートビルにおける室内環境の質を高めるため, 先進的プラントベースセンサーの活用を図った。
論文参考訳（メタデータ） (2025-04-03T16:18:35Z)
NeRF-To-Real Tester: Neural Radiance Fields as Test Image Generators for Vision of Autonomous Systems [3.031375888004876]
シミュレーション条件に対するコントローラの過度な適合は、運用環境における性能の低下につながる。本稿では,ニューラルネットワークを利用した自律システムにおける知覚テストデータ生成の課題に対処する。当社のツールであるN2R-Testerは、カスタムシーンのトレーニングモデルと、摂動位置からのテストイメージのレンダリングを可能にする。
論文参考訳（メタデータ） (2024-12-20T18:40:53Z)
Care3D: An Active 3D Object Detection Dataset of Real Robotic-Care Environments [52.425280825457385]
本稿では,実環境の注釈付きデータセットを紹介する。捕獲された環境は、ロボット医療研究の分野ですでに使われている領域を表している。また,医療ロボット上で直接動作するSLAMアルゴリズムを評価するために,一室で真実データを提供する。
論文参考訳（メタデータ） (2023-10-09T10:35:37Z)
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)
RB-Dust -- A Reference-based Dataset for Vision-based Dust Removal [0.0]
本稿では,参照型塵の除去を目的としたRB-Dustデータセットについて述べる。撮影中にキャビンから写真を撮ることは不可能であり、画像のシフトを引き起こす可能性がある。コントラスト強調と画像デハージングアルゴリズムを用いてデータセットを検証し,移動トラクタからの録音の一般化性について検討した。
論文参考訳（メタデータ） (2023-06-12T17:09:24Z)
An Open Dataset of Sensor Data from Soil Sensors and Weather Stations at Production Farms [7.561052256409596]
このデータセットは、3つの生産農場にまたがる3つのノードの代表サンプルから5ヶ月間の土壌センサデータから構成される。このデータを気象データと相関させ,土壌中の雨の吸収について考察する。
論文参考訳（メタデータ） (2023-02-16T21:41:57Z)
A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文参考訳（メタデータ） (2022-06-13T19:14:06Z)
Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文参考訳（メタデータ） (2021-06-14T21:57:40Z)

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。