水田におけるアクアドローンを用いたSemantic Segmentationによる雑草検出

• Item type: SIG Technical Reports(1)
• 公開日: 2024-03-14
• タイトル: 水田におけるアクアドローンを用いたSemantic Segmentationによる雑草検出
• タイトル / 言語: en
• タイトル: Weed Detection by Semantic Segmentation Using Aqua Drone in Paddy Field
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 環境モニタリング応用
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京農工大学工学部知能情報システム工学科
• 著者所属: 東京農工大学大学院工学府
• 著者所属: 有機米デザイン株式会社
• 著者所属: 東京農工大学大学院工学研究院
• 著者所属: 東京農工大学大学院農学研究院
• 著者所属: 東京農工大学大学院工学研究院
• 著者所属(英): en
• 著者所属(英): Tokyo University of Agriculture and Technology Faculty of Engineering Department of Electrical Engineering and Computer Science
• 著者所属(英): en
• 著者所属(英): Tokyo University of Agriculture and Technology Graduate School of Engineering
• 著者所属(英): en
• 著者所属(英): Yukimai Design Co., Ltd.
• 著者所属(英): en
• 著者所属(英): Tokyo University of Agriculture and Technology Institute of Engineering
• 著者所属(英): en
• 著者所属(英): Tokyo University of Agriculture and Technology Institute of Agriculture
• 著者所属(英): en
• 著者所属(英): Tokyo University of Agriculture and Technology Institute of Engineering
• 著者名: 飛鳥, 颯舞; 町田, 健太朗; 中村, 哲也; 清水, 郁子; 大川, 泰一郎; 中條, 拓伯
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 田畑における雑草検出では，ニューラルネットワーク (NN) を用いた Semantic Segmentation が活用されているが，従来の上空から撮影した画像データセットでは，作物に隠れた雑草や，水中にある雑草の検出は困難である．本研究では，稲の間を航行するアクアドローン搭載のカメラから得られた前方画像から，Semantic Segmentation を用いた雑草ピクセルを性格に検出する手法を提案し，NN モデルの学習のための水田雑草画像データセットを示す．複数の Semantic Segmentation モデルで学習を行い，比較・評価を行い，雑草 IoU : 0.414, mIoU : 0.680, Pixel Accuracy : 0.950 という結果が得られた．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In research on weed detection, neural network-based semantic segmentation is often used regardless of whether the weeds are in rice paddies or fields. In this research, we propose a method for detecting weed pixels using Semantic Segmentation from forward images obtained from a camera mounted aqua drone in a paddy field as well as show a dataset of paddy field weed images for training neural network models. Several Semantic Segmentation models have been trained, compared, and evaluated to get the best results: weed IoU : 0.414, mIoU : 0.680, Pixel Accuracy : 0.950.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11451459
• 書誌情報: 研究報告システムとLSIの設計技術（SLDM）; 巻 2024-SLDM-205, 号 44, p. 1-8, 発行日 2024-03-14
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8639
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会