論文の概要: Multi-Speed Field Evaluation of a Semi-Autonomous Precision Sprayer for Weed Control in Vegetable Crops

• arxiv url: http://arxiv.org/abs/2610.24893v1
• Date: Sat, 17 Oct 2026 22:31:01 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:27:29.12272
• Title: Multi-Speed Field Evaluation of a Semi-Autonomous Precision Sprayer for Weed Control in Vegetable Crops
• Title（参考訳）: 野菜作物の雑草防除用半自動精密散布機の多速フィールド評価
• Abstract要約: 機械ビジョン誘導精密噴霧は持続可能な野菜生産に有効である。 本研究では,ラディッシュの雑草防除を目的とした半自動トラクタ式噴霧システムについて検討した。
• 参考スコア（独自算出の注目度）: 5.505246356228487
• License:
• Abstract: Machine vision-guided precision spraying is promising for sustainable vegetable production by enabling site-specific weed targeting, reducing herbicide application while protecting crop yield and quality. However, the effects of operating speed of sprayer systems on the integrated detection-tracking-actuation pipeline remain insufficiently characterized under field conditions. This study evaluated a semi-autonomous, tractor-based spraying system for targeted weed control in radish and quantified performance across three operating speeds. A five-season dataset comprising 10,599 images and 84,311 annotated instances across seven classes was curated for model development. A YOLOv11-medium model was integrated with ByteTrack tracking and a customized 12-nozzle sprayer on a semi-autonomous electric tractor. Field trials were conducted at 0.13, 0.27, and 0.45 m/s (i.e., 0.3, 0.6, and 1.0 mph) to characterize speed-dependent changes in weed detection, targeting, actuation, and crop damage. At the lowest speed of 0.13 m/s, the system achieved 94.6% mAP@50 and 93.2% recall for weed and crop detection. However, increasing platform speed substantially reduced system performance, with weed hit rate declining from 78.3% to 35.0% and crop contact rates increasing from 20.1% to 28.7%. Consequently, the system did not meet predefined commercial-viability thresholds. These results demonstrate that practical deployment requires improvements beyond weed detection alone, particularly coordinated improvements in motion-robust plant perception, spray-timing compensation, and crop-adjacent actuation precision. The identified performance bottlenecks provide specific engineering targets for advancing vision-guided precision spraying toward practical, high-speed vegetable weed management. The software programs developed in this study have been made publicly available to support future precision weeding research.
• Abstract（参考訳）: 機械ビジョン誘導精密散布は、現場固有の雑草のターゲティングを可能にし、除草剤の使用を減らし、作物の収量と品質を保護し、持続可能な野菜生産を約束する。 しかし, 現場条件下では, 噴霧装置の動作速度が検出・追従・作動パイプライン統合に及ぼす影響は不十分である。 本研究は,3回の運転速度における目標雑草制御と定量化性能を考慮した半自動トラクタ式噴霧システムについて検討した。 10,599枚の画像と84,311個のアノテーション付きインスタンスからなる5シーズンのデータセットをモデル開発のためにキュレートした。 YOLOv11-mediumモデルはByteTrackトラッキングとセミオートノマス電気トラクターのカスタム12ノズルスプレーと統合された。 フィールド試験は0.13, 0.27, 0.45 m/s (0.3, 0.6, 1.0 mph) で行われた。 最低速度は0.13m/sで94.6%のmAP@50と93.2%のリコールを達成した。 しかし、プラットフォーム速度の増大によりシステム性能が大幅に低下し、雑草のヒット率は78.3%から35.0%に低下し、作物の接触率は20.1%から28.7%に増加した。 その結果、システムは事前に定義された商業能力の閾値を満たさなかった。 これらの結果から, 実運用では雑草検出のみに留まらず, 特に動植物知覚の協調的改善, 散布刺激補償, 作付作業精度の向上が必要であることが示唆された。 特定された性能ボトルネックは、実用的な高速野菜雑草管理に向けて、視覚誘導精密噴霧を推し進めるための特定の工学的目標を提供する。 本研究で開発されたソフトウェアプログラムは,今後の精密雑草研究を支援するために公開されている。

関連論文リスト

• Context-Aware Adaptive Pesticide Spraying for Agricultural Robots under Changing Weather and Terrain Using Vision-Language Models [0.5801044612920815]
  視覚言語モデル(VLM)に基づく文脈対応適応噴霧フレームワークを提案する。 提案手法は,作物列の検出において,少なくとも30%精度を向上する。
  論文  参考訳（メタデータ） (2026-09-09T16:05:37Z)
• Compact Visuotactile World Models for Lifting: Prediction, Reward Alignment, and Force Constraints [0.0]
  Visuotactile dynamicsは力の作用効果のMAEを0.413Nから0.338Nに減少させる。 モデル支援フィードバックは、ID予算による成功を73.3%から93.3%に引き上げる。 RLは11.9%、リアクティブIQLは25.0%で成功している。
  論文  参考訳（メタデータ） (2026-09-09T01:50:54Z)
• Remote Human and Robot Interaction for Greenhouse Gardening Using Virtual Reality [0.7734726150561088]
  本研究は, 温室環境における葉の検査と土壌水分評価のためのバーチャルリアリティを用いた遠隔ロボットインタラクションの有効性を評価するものである。 ロボットシステムは無人の地上車両とカメラを備えたロボットマニピュレータで構成されていた。
  論文  参考訳（メタデータ） (2026-08-27T16:37:59Z)
• Progressive Experience Fusion for Multi-Task World Model Control in Endovascular Navigation [37.517747868704184]
  本研究は,多段TD-MPC2コントローラを学習するためのプログレッシブ・エクスペリエンス・フュージョン (PEF) について検討する。 また, モデル予測経路統合計画の地平線を, 残留行動系列分散を用いて変更し, 患者固有のシミュレーションで微調整する計画についても検討した。
  論文  参考訳（メタデータ） (2026-08-19T07:51:50Z)
• Progressive Generalization Augmentation with Deeply Coupled RND-PPO and Domain-Prioritized Noise Injection for Robust Crop Management Reinforcement Learning [3.0094301461257476]
  本稿では,農業用RLシステムの実用的展開を妨げる3つの限界に対処する。 本稿では,3段階のカリキュラムを実装したPGA(Progressive Generalization Augmentation),デュアルチャネルGAE正規化を伴うRND-PPOアーキテクチャ,プログレッシブデケイド内在係数,セマンティックディフレティゼーション,階層的アクティベーションを伴うドメイン優先ノイズインジェクションの3つを紹介する。
  論文  参考訳（メタデータ） (2026-05-17T12:48:47Z)
• NDRL: Cotton Irrigation and Nitrogen Application with Nested Dual-Agent Reinforcement Learning [30.1462125315719]
  本研究では,Nested Dual-Agent Reinforcement Learning (NDRL)法を提案する。 児童エージェントの報酬機能は、定量水ストレス因子(WSF)と窒素ストレス因子(NSF)を組み込む 実験の結果、2023年と2024年に比較すると、シミュレーションされた収量は4.7%増加した。
  論文  参考訳（メタデータ） (2025-12-18T11:07:35Z)
• Design of a six wheel suspension and a three-axis linear actuation mechanism for a laser weeding robot [2.1745545334598657]
  除草のために低エネルギーレーザービームに制御された露光を利用する自律除草ロボットを提案する。 このロボットは、雑草検出率86.2%、動作時間87秒を達成している。 このスピード、精度、効率の組合せは、ロボットが精密農業の実践を大幅に強化する可能性を強調している。
  論文  参考訳（メタデータ） (2025-12-11T06:11:05Z)
• SBP-YOLO:A Lightweight Real-Time Model for Detecting Speed Bumps and Potholes toward Intelligent Vehicle Suspension Systems [14.325572905529507]
  本稿では,組込みシステムにおける高速バンプとポットホールの効率的な検出フレームワークであるSBP-YOLOを提案する。 P2レベル分岐は小対象検出を改善し、軽量で効率的な検出ヘッド(LEDH)は最小限のオーバーヘッドで精度を維持する。 実験の結果、SBP-YOLOは87.0%のmAPを達成し、YOLOv11nベースラインを5.8%上回った。
  論文  参考訳（メタデータ） (2025-08-02T12:15:08Z)
• Robotic System with AI for Real Time Weed Detection, Canopy Aware Spraying, and Droplet Pattern Evaluation [0.0]
  我々は,雑草の存在を検知し,天蓋の大きさを推定し,ノズルのアクティベーションをリアルタイムで動的に調整できる,視覚誘導型AI駆動可変速度噴霧装置を開発した。 このシステムは軽量のYOLO11nとYOLO11nセグ深層学習モデルを統合し、NVIDIA Jetson Orin Nano上に展開して推論を行う。 今後の研究は、サウスダコタ州で一般的な雑草3種を含む検出能力を拡大することに焦点を当てる。
  論文  参考訳（メタデータ） (2025-07-07T19:27:29Z)
• Towards Efficient and Intelligent Laser Weeding: Method and Dataset for Weed Stem Detection [51.65457287518379]
  本研究は,レーザー除草における雑草認識の実証的研究としては初めてである。 我々は,雑草の検出と雑草の局在を1つのエンドツーエンドシステムに統合した。 提案システムは,既存の雑草認識システムと比較して,雑草の精度を6.7%向上し,エネルギーコストを32.3%削減する。
  論文  参考訳（メタデータ） (2025-02-10T08:42:46Z)

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。