論文の概要: Selective Cotton Boll Localization for Robotic Harvesting: Evaluation of Deep Learning Vision Models Under Field Conditions

• arxiv url: http://arxiv.org/abs/2609.19592v1
• Date: Thu, 17 Sep 2026 02:18:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.069718
• Title: Selective Cotton Boll Localization for Robotic Harvesting: Evaluation of Deep Learning Vision Models Under Field Conditions
• Title（参考訳）: ロボットハーベスティングのための選択的コットンボル位置決め:フィールド条件下での深層学習ビジョンモデルの評価
• Abstract要約: 本研究は, 選択的綿花摘みのための深層学習に基づく知覚フレームワークを開発し, 評価した。 YOLOv12-m-segは、ロボット綿収穫のための効率的な認識モデルを提供し、フィールド展開に強い可能性を秘めている。
• 参考スコア（独自算出の注目度）: 2.187942910617619
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This study developed and evaluated a deep-learning-based perception framework for selective robotic cotton picking. The dataset contained 1,008 annotated field images collected using three cameras under varying natural lighting and weather conditions. Object-detection models from the YOLOv8 through YOLOv13 families were evaluated using their default configurations, while segmentation performance was assessed using YOLOv8-seg, YOLOv11-seg, YOLOv12-seg, the Segment Anything Model (SAM), SAMv2.1, FastSAM, and Grounded-SAM with the Recognize Anything Model (RAM). Among the detection models, GELAN-s achieved the most favorable balance between mean average precision (mAP) and inference speed, obtaining an mAP of 86.1%, precision of 81.6%, recall of 76.6%, and an F1-score of 79.0%, with an average inference time of 42.3 ms per image. Among the direct segmentation models, YOLOv12-m-seg provided the most favorable balance between AP@0.5 and FPS, achieving a segmentation AP@0.5 of 83.7% with an inference time of 20.4 ms per image. In the detection-prompted segmentation approach, bounding-box prompts generated by GELAN-s improved the localization of cotton bolls for SAM and SAMv2.1, while SAMv2.1 Tiny consistently outperformed FastSAM and Grounded-SAM with RAM. In the area-based evaluation against manually annotated segmentation masks, YOLOv12-m-seg achieved an $R^2$ value of 0.966, compared with 0.860 for GELAN-s + SAMv2.1 Tiny. Field experiments conducted using a UR5e robotic manipulator, a custom end-effector, and a ZED2i stereo camera further validated the effectiveness of the YOLOv12-m-seg model for real-time cotton boll detection, segmentation, and selective picking under varying confidence levels. These results demonstrate that YOLOv12-m-seg provides an efficient perception model for robotic cotton harvesting and has strong potential for field deployment.
• Abstract（参考訳）: 本研究は, 選択的綿花摘みのための深層学習に基づく知覚フレームワークを開発し, 評価した。 データセットには、自然光と気象条件の異なる3台のカメラで収集された1,008個の注釈付きフィールド画像が含まれていた。 YOLOv8ファミリーからYOLOv13ファミリーまでのオブジェクト検出モデルをデフォルト設定で評価し、YOLOv8セグ、YOLOv11セグ、YOLOv12セグ、Segment Anything Model (SAM)、SAMv2.1、FastSAM、Grounded-SAM with the Recognize Anything Model (RAM)を用いてセグメンテーション性能を評価した。 検出モデルの中で、GELAN-sは平均平均精度(mAP)と推論速度の最も良いバランスを保ち、平均平均精度(mAP)は86.1%、精度は81.6%、リコールは76.6%、F1スコアは79.0%、平均推定時間は42.3msであった。 直接セグメンテーションモデルの中で、YOLOv12-mセグはAP@0.5とFPSの最も好ましいバランスを提供し、セグメンテーションAP@0.5は83.7%、推論時間は20.4msである。 検出プロンプトのセグメンテーションアプローチでは、GELANが生成したバウンディングボックスプロンプトはSAMとSAMv2.1の綿棒の局所化を改善し、SAMv2.1ティニーは一貫してFastSAMとGrounded-SAMをRAMで上回った。 手動でアノテートしたセグメンテーションマスクに対する面積に基づく評価では、YOLOv12-m-segは、GELAN-s + SAMv2.1 Tinyの0.860に対して$R^2$値0.966に達した。 UR5eロボットマニピュレータ、カスタムエンドエフェクタ、ZED2iステレオカメラを用いて行われたフィールド実験は、リアルタイム綿棒検出、セグメンテーション、および様々な信頼性レベルにおける選択的ピッキングに対するYOLOv12-m-segモデルの有効性をさらに検証した。 これらの結果から, YOLOv12-m-segは, ロボット綿収穫の効率的な認識モデルであり, 現地展開の可能性も強いことが示唆された。

関連論文リスト

• A Comparative Evaluation of Deep Learning Object Detection Models on a Real-World Multi-Plant Dataset from Africa [0.0]
  本研究では,6つのオブジェクト検出モデル YOLOv5, YOLOv8, YOLO11, YOLO26, Faster R-CNN, RT-DETRの比較評価を行った。 その結果,RT-DETRは0.768,mAP@0.5:0.95,0.624で最高性能を達成した。 YOLOベースのモデルは、より高速なR-CNNに比べて訓練効率が優れていた。
  論文  参考訳（メタデータ） (2026-08-11T15:22:58Z)
• Self-supervised Pretraining of Cell Segmentation Models [37.09823149373976]
  セルインスタンスセグメンテーションのための自己教師型フレームワークであるDINOCellを提案する。 DINOv2からの表現を顕微鏡に適応させ、ラベルのない細胞画像に対する自己監督的な訓練を継続する。 LIVECellベンチマークでは、DINOCellのSEGスコアは0.784で、SAMベースのモデルよりも10.42%向上している。
  論文  参考訳（メタデータ） (2026-04-12T12:29:39Z)
• AgriPath: A Systematic Exploration of Architectural Trade-offs for Crop Disease Classification [45.52399819498234]
  本研究は、細粒度作物病分類のための3つのモデルパラダイムの体系的比較を示す。 我々は16の作物と41の病気にまたがる111kの画像を含むベンチマークであるAgriPath-LF16を紹介する。 CNNは画像の精度が最も高いが、ドメインシフトによって劣化する。 対照的なVLMは、競合するクロスドメイン性能を持つ堅牢でパラメータ効率の良い代替手段を提供する。
  論文  参考訳（メタデータ） (2026-03-08T17:28:01Z)
• A Comparative Benchmark of Real-time Detectors for Blueberry Detection towards Precision Orchard Management [2.667064587590596]
  本研究では,先進的リアルタイム物体検出器の比較ベンチマーク解析を行った。 このデータセットは、2022-2023シーズンにスマートフォンで収集された671枚の天蓋画像からなる。 YOLOモデルのうち、YOLOv12mはmAP@50の93.3%で最高の精度を達成した。
  論文  参考訳（メタデータ） (2025-09-24T21:42:24Z)
• Toward Onboard AI-Enabled Solutions to Space Object Detection for Space Sustainability [29.817805350971366]
  本稿では,空間物体検出のための視覚センサの実現可能性と有効性について検討する。 Squeeze-and-Excitation (SE) 層, Vision Transformer (ViT) および Generalized Efficient Layer Aggregation Network (GELAN) に基づくモデルを導入する。 実験の結果, 提案モデルでは, 結合閾値0.5(mAP50)の交点平均精度が0.751, 結合閾値0.5から0.95(mAP50:95)の交点平均精度が0.280に達することがわかった。
  論文  参考訳（メタデータ） (2025-05-03T01:56:52Z)
• YOLOv12: Attention-Centric Real-Time Object Detectors [38.507511985479006]
  本稿では,従来のCNNをベースとしたYOLOフレームワークであるYOLOv12を提案する。 YOLOv12は、競合速度の精度で、一般的なリアルタイムオブジェクト検出器を全て上回っている。
  論文  参考訳（メタデータ） (2025-02-18T04:20:14Z)
• Efficient auto-labeling of large-scale poultry datasets (ALPD) using an ensemble model with self- and active-learning approaches [4.6951658997946755]
  本研究では,半教師付きオートラベル手法を探求し,自己学習と能動的学習のアプローチを統合して,大規模養鶏データセット(ALPD)の自動ラベル化のための効率的なラベルスカースフレームワークを開発する。 その結果, ブロイラーとヘン検出の性能指標を教師あり学習下で比較した場合, YOLOv8s-WorldとYOLOv9sの方が優れていた。 YOLO-Worldハイブリッドモデルは、最適なYOLOv8sバックボーンをゼロショットモデルに組み込んだもので、全体的な性能が最も高かった。
  論文  参考訳（メタデータ） (2025-01-18T16:20:04Z)
• Comparing YOLOv8 and Mask R-CNN for instance segmentation in complex orchard environments [2.925778409623925]
  本研究では,1段階のYOLOv8モデルと2段階のMask R CNNモデルとの比較を行った。 その結果, YOLOv8はMask R CNNよりも精度が高く, 精度は0.5。
  論文  参考訳（メタデータ） (2023-12-13T07:29:24Z)
• Two Scalable Approaches for Burned-Area Mapping Using U-Net and Landsat Imagery [39.91303506884272]
  本研究では,U-Netモデルに基づくバーン・エリアマッピングプロセスの自動化と最適化のための2つのアプローチを提案する。 研究領域の195の代表的な画像に基づくテストでは、ASモデルを用いたデータセットのバランスの向上により、より良いパフォーマンスが得られることが示された。
  論文  参考訳（メタデータ） (2023-11-29T05:42:25Z)

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。