文献

J-GLOBAL ID：201702238323659219   整理番号：17A1271777

農業ロボットのための教師なし雑草探索に向けて【Powered by NICT】

Towards unsupervised weed scouting for agricultural robotics

著者 (4件)： Hall David (School of Electrical Engineering and Computer Science, Queensland University of Technology (QUT), Brisbane, Australia) ,  Dayoub Feras (ARC Centre of Excellence for Robotic Vision, Queensland University of Technology (QUT), Brisbane, Australia) ,  Kulk Jason (School of Electrical Engineering and Computer Science, Queensland University of Technology (QUT), Brisbane, Australia) ,  McCool Chris (School of Electrical Engineering and Computer Science, Queensland University of Technology (QUT), Brisbane, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRA  ページ： 5223-5230  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 手動で行った場合雑草監視は,現代の総合的雑草管理の重要な部分であるが,時間がかかり,スパースに成り得る。自動雑草偵察と雑草破壊は典型的には事前に既知種の集合群を分類することができた分類システムを用いて行った。分類システムは,それらの中に存在する雑草種の異なったセットと場の再訓練されなければならないので,これは配備可能性を制限している。この限界を克服するために,本論文では,前種の知識を必要とせずに,任意の場で利用できる雑草偵察にクラスタリング手法の開発に向けて。農業用ロボットプラットフォームからの野外で採集した挑戦的なデータを用いて本システムを実証した。(i)深い畳込みニューラルネットワークを用いた低次元学習(ボトルネック)の特徴は,一般的に植物を表現し,(ii)同じ地域(植物)の見解を一緒にして作られることができるかなり向上することを示した。AgBotIIによって収集された現場データにこのアルゴリズムを展開,場における特定のプラントのための事前知識または訓練なし草からのワタ植物をクラスター化することができた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： クラスタ化 ,  畳込み ,  アルゴリズム ,  *雑草 ,  ニューラルネットワーク ,  プラント ,  学習
準シソーラス用語： 事前知識 ,  低次元 ,  クラスタリング法 ,  雑草管理 ,  *農業用ロボット , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 農業ロボット ,  教師 ,  雑草 ,  探索