論文の概要: Image-Derived PM10 Estimation in Cattle Feedlot Using Machine Learning: Addressing Concentration Ranges Beyond Existing Digital Imaging Methods
- arxiv url: http://arxiv.org/abs/2609.20975v1
- Date: Thu, 17 Sep 2026 18:29:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:16.749314
- Title: Image-Derived PM10 Estimation in Cattle Feedlot Using Machine Learning: Addressing Concentration Ranges Beyond Existing Digital Imaging Methods
- Title（参考訳）: 機械学習を用いた牛餌中の画像誘導PM10推定:既存のデジタルイメージング法を超える濃度範囲の対応
- Abstract要約: 本研究ではコントラストパネルと機械学習を用いて,市販牛飼料中のPM10濃度を推定する画像ベースアプローチを開発した。
土砂のピーク期間中に画像が撮影され,パネルコントラスト,黒と白のパネル画素値,全体像輝度などの特徴が抽出された。
XGBoost は R2 が 0.792 であり、絶対誤差は 103 ug/m-3 である。
- 参考スコア（独自算出の注目度）: 3.0771676396432315
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Affordable dust monitoring remains a pressing need for the cattle feedlot industry, yet camera-based PM estimation, despite its growing body of research in urban air quality settings, has not been evaluated under the extended concentration ranges characteristic of intensive livestock operations. This study developed an image-based approach using contrast panel features and machine learning to estimate PM10 concentrations in a commercial cattle feedlot, where hourly average PM10 ranged from 250 to 1,000 ug/m^-3 and instantaneous concentrations reached 5,000 to 20,000 ug/m^-3. Grayscale images were captured during the evening dust peak period, and features including panel contrast, black and white panel pixel values, and overall image brightness were extracted. The model also incorporated recent past values from preceding images and solar zenith angle as predictors. Among the candidate models evaluated, XGBoost achieved the highest predictive performance, with an R^2 of 0.792 and a median absolute error of 103 ug/m^-3. Feature importance analysis revealed that (a) panels positioned farthest from the camera contributed most strongly to predictions and (b) that black panel pixel values were more sensitive than white panel values to changes in PM10 concentration. Prediction accuracy during the sunset transition, which coincides with the onset of the feedlot evening dust peak, remains an area for further refinement. These findings demonstrate the feasibility of image-based PM10 estimation across PM concentration ranges substantially exceeding those reported in prior urban studies and provide practical guidelines for future deployment in feedlot environments.
- Abstract（参考訳）: 降雨量監視は牛の餌食産業にとって依然として必要とされているが、カメラによるPM推定は、都市大気環境における研究の活発化にも拘わらず、集中的な畜産業に特徴的な集中範囲では評価されていない。
本研究ではコントラストパネルと機械学習を用いて市販牛のPM10濃度を推定し,平均PM10濃度は250～1,000 ug/m^-3,即時濃度は5,000～20,000 ug/m^-3であった。
土砂のピーク期間中にグレイスケール画像が撮影され, パネルコントラスト, 白黒パネル画素値, 全体輝度などの特徴が抽出された。
このモデルはまた、以前の画像からの最近の値と太陽のゼニス角を予測子として組み込んだ。
候補モデルのうち、XGBoostは高い予測性能を示し、R^2は0.792、絶対誤差は103 ug/m^-3である。
特徴重要度分析の結果
(a)カメラから最も遠い位置に位置するパネルは、予測や予測に最も強く寄与した。
b) 黒パネル画素値は, PM10濃度の変化に対して, 白パネル値よりも感度が高かった。
日没遷移時の予測精度は, 夜間塵のピークの開始時と一致し, さらなる改良のための領域として残されている。
これらの結果から, PM濃度範囲における画像ベースPM10推定の可能性は, 前回の都市調査で報告された以上のものであり, フィードロット環境における将来の展開のための実践的ガイドラインを提供する。
関連論文リスト
- MAEPose: Self-Supervised Spatiotemporal Learning for Human Pose Estimation on mmWave Video [12.636232510548062]
マスク付き自動符号化に基づく人物ポーズ推定手法であるMAEPoseについて述べる。
厳密な統計的検査により,3つのデータセットにまたがるMAEPoseの評価を行った。
論文 参考訳（メタデータ） (2026-04-30T21:23:03Z) - Enhancing Hazy Wildlife Imagery: AnimalHaze3k and IncepDehazeGan [0.0]
AnimalHaze3kは、1,159枚の野生生物の写真から生成される3,477枚の画像からなる合成ハゼのデータセットである。
当社の新規アーキテクチャである IncepDehazeGan は,GAN フレームワークにおける開始ブロックと残留スキップ接続を結合する。
下流検出タスクに適用すると、脱ハズド画像はYOLOv11検出mAPを112%改善し、IoUを67%改善した。
論文 参考訳（メタデータ） (2026-04-17T17:46:32Z) - Label-free prediction of fluorescence markers in bovine satellite cells using deep learning [0.0]
ウシの衛星細胞(BSC)の質を評価することは、養殖肉産業にとって不可欠である。
本研究は, 深層学習を用いた孤立BSCにおける蛍光マーカー予測のためのラベルフリー手法を開発することを目的とする。
論文 参考訳（メタデータ） (2024-10-17T15:47:12Z) - Dual-band feature selection for maturity classification of specialty crops by hyperspectral imaging [5.905721043072562]
イチゴやトマトなどの特産作物の成熟度分類は、農業の下流における重要な活動である。
近年のDeep Learningの進歩は、成熟度分類のためのカラー画像の奨励的な結果を生み出している。
成熟度分類のための特徴抽出法を提案する。
論文 参考訳（メタデータ） (2024-05-16T10:01:16Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - End-to-end deep learning for directly estimating grape yield from
ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。
オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。
本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文 参考訳（メタデータ） (2022-08-04T01:34:46Z) - Rethinking Portrait Matting with Privacy Preserving [79.37601060952201]
P3M-10kは、プライバシ保存ポートレートマッチング(P3M)のための最初の大規模匿名化ベンチマークである。
P3M-10kは10,421枚の高解像度の顔黒の肖像画と高品質のアルファマットで構成されている。
また、CNNとトランスフォーマーの両バックボーンに互換性のあるP3M-Netと呼ばれる統合マッティングモデルを提案する。
論文 参考訳（メタデータ） (2022-03-31T06:26:07Z) - A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。
提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文 参考訳（メタデータ） (2021-11-23T08:04:32Z) - AP-10K: A Benchmark for Animal Pose Estimation in the Wild [83.17759850662826]
一般的な動物のポーズ推定のための,最初の大規模ベンチマークであるAP-10Kを提案する。
AP-10Kは動物23種と60種から収集・濾過された10,015枚からなる。
その結果、様々な動物種からの学習の精度と一般化能力の両面での優位性に関する実験的な証拠が得られた。
論文 参考訳（メタデータ） (2021-08-28T10:23:34Z) - Privacy-Preserving Portrait Matting [73.98225485513905]
P3M-10kは、プライバシー保護ポートレートマットのための最初の大規模な匿名化ベンチマークです。
P3M-10kは1万枚の高解像度顔写真と高品質のアルファマットで構成されています。
意味認識と詳細マッチングの両方に統一されたフレームワークのパワーを利用するP3M-Netを提案する。
論文 参考訳（メタデータ） (2021-04-29T09:20:19Z)
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。