Overcome the Fear Of Missing Out: Active Sensing UAV Scanning for Precision Agriculture

要約

この論文では、精密農業アプリケーションに配備された UAV の有益な経路計画の問題を扱います。
まず、データを「見逃すことへの恐怖」が農業分野全体にわたる均一で保守的なスキャン政策につながっていることがわかります。
したがって、不均一なスキャン手法を採用すると、実際の価値が最小限または無視できる領域での時間の浪費を軽減できると同時に、情報密度の高い領域での精度を高めることができます。
利用可能な有益な経路計画手法に目を向けると、特定の手法では集中的な計算要件が必要である一方、他の手法では理想世界シミュレーターでのトレーニングが必要であることがわかります。
前述の問題に対処するために、私たちは、識別されたクラス、つまり作物や雑草の相対量とそのような検出の信頼レベルの両方に従って UAV の速度を制御する、OverFOMO と呼ばれるアクティブ センシング カバレッジ パス プランニング アプローチを提案します。
。
これらのインスタンスを識別するために、堅牢な深層学習セグメンテーション モデルが導入されています。
提案されたアルゴリズムの計算ニーズは農地の規模に依存しないため、現代の UAV への適用性は非常に簡単になります。
提案されたアルゴリズムは、実際の UAV ミッションからのデータと AirSim シミュレーターの忠実度の高いダイナミクスを組み合わせたシミュレーション現実的なパイプラインで評価され、このタイプのミッションで確立された現状よりもパフォーマンスが向上していることが示されました。
アルゴリズムと評価パイプラインのオープンソース実装も次から入手できます: \url{https://github.com/emmarapt/OverFOMO}。

要約(オリジナル)

This paper deals with the problem of informative path planning for a UAV deployed for precision agriculture applications. First, we observe that the “fear of missing out” data lead to uniform, conservative scanning policies over the whole agricultural field. Consequently, employing a non-uniform scanning approach can mitigate the expenditure of time in areas with minimal or negligible real value, while ensuring heightened precision in information-dense regions. Turning to the available informative path planning methodologies, we discern that certain methods entail intensive computational requirements, while others necessitate training on an ideal world simulator. To address the aforementioned issues, we propose an active sensing coverage path planning approach, named OverFOMO, that regulates the speed of the UAV in accordance with both the relative quantity of the identified classes, i.e. crops and weeds, and the confidence level of such detections. To identify these instances, a robust Deep Learning segmentation model is deployed. The computational needs of the proposed algorithm are independent of the size of the agricultural field, rendering its applicability on modern UAVs quite straightforward. The proposed algorithm was evaluated with a simu-realistic pipeline, combining data from real UAV missions and the high-fidelity dynamics of AirSim simulator, showcasing its performance improvements over the established state of affairs for this type of missions. An open-source implementation of the algorithm and the evaluation pipeline is also available: \url{https://github.com/emmarapt/OverFOMO}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google