文献

J-GLOBAL ID：202002244615654612   整理番号：20A0071433

ロボット雑草防除のための色と深度画像の融合に基づく自動作物植物検出【JST・京大機械翻訳】

Automated crop plant detection based on the fusion of color and depth images for robotic weed control

著者 (3件)： Gai Jingyao (Agricultural and Biosystems Engineering, Iowa State University, Ames, Iowa) ,  Tang Lie (Agricultural and Biosystems Engineering, Iowa State University, Ames, Iowa) ,  Steward Brian L. (Agricultural and Biosystems Engineering, Iowa State University, Ames, Iowa)
資料名： Journal of Field Robotics  (Journal of Field Robotics)
巻： 37  号： 1  ページ： 35-52  発行年： 2020年 
JST資料番号： B0014C  ISSN： 1556-4959  資料種別： 逐次刊行物 (A)
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： ロボットによる雑草防除は,作物列の近くまたは内の雑草防除を自動的,正確かつ効果的に行うことができる。ロボット雑草制御のための異なる成長段階で作物植物を検出するためのコンピュータビジョンシステムを開発した。高雑草個体群の条件下での作物植物の検出精度を高める手段として,色画像と深さ画像の融合を調べた。ブロッコリとレタスの圃場画像を,Kinect v2センサで移植後3~27日に得た。画像処理パイプラインは,データ前処理,植生画素分割,植物抽出,特徴ベースの位置確認精密化,および作物植物分類を含んだ。ブロッコリおよびレタスの検出のために,色深さ融合アルゴリズムは,高い真陽性検出率(それぞれ91.7%および90.8%)および低い平均偽発見率(それぞれ1.1%および4.0%)を生じた。作物植物茎の平均絶対位置決め誤差は,ブロッコリとレタスでそれぞれ26.8と7.4mmであった。色と深さの融合は,バックグラウンドからの作物植物のセグメンテーションに有益であることが証明された。それは,平均セグメンテーション成功率を,87.2%(深さベース)と76.4%(色ベース)から,それぞれ74.2%(深さベース)と81.2%(色ベース)からレタスに対して92.4%まで改善した。融合ベースのアルゴリズムは,早期成長段階で作物植物を検出することにおいて性能を低下させた。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *雑草防除 ,  画素 ,  *雑草 ,  成長段階 ,  カラー画像 ,  位置決め ,  セグメンテーション ,  ブロッコリ ,  レタス ,  コンピュータビジョン ,  個体群 ,  *農作物 ,  画像処理 ,  アルゴリズム ,  *ロボット

著者キーワード (4件)： コンピュータビジョン ,  作物検出 ,  ロボットによる除草 ,  センサ融合

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (7件)： ロボット ,  雑草防除 ,  色 ,  深度画像 ,  融合 ,  作物 ,  植物