Optimizing Indoor Farm Monitoring Efficiency Using UAV: Yield Estimation in a GNSS-Denied Cherry Tomato Greenhouse

要約

農業従事者の減少や人件費の高騰に伴い、ロボットによる収穫量推定の重要性が増している。無人地上走行車（UGV）は屋内の農場モニタリングに一般的に使用されているが、温室への配備はインフラの制限、センサーの配置の課題、運用の非効率性などの制約を受けることが多い。これらの問題に対処するため、我々はRGB-Dカメラ、3D LiDAR、IMUセンサーを搭載した軽量無人航空機（UAV）を開発した。このUAVは、GNSSが使えない環境での正確なナビゲーションのためにLiDAR-慣性オドメトリーアルゴリズムを採用し、プチトマトの個数と重量を推定するために3Dマルチオブジェクトトラッキングアルゴリズムを利用する。収穫畝と生育畝の2つのデータセットを用いてシステムを評価した。収穫畝のデータセットにおいて、提案システムは、10.5秒で完了する13.2mの飛行内で、94.4%の計数精度と87.5%の重量推定精度を達成した。オクルージョンのある未熟な果実からなるrowing-rowデータセットについては、追跡性能を定性的に分析し、強いオクルージョンのある温室での知覚を改善するための将来の研究の方向性を強調する。我々の知見は、商業用温室における効率的なロボットによる収穫量推定のためのUAVの可能性を示している。

要約(オリジナル)

As the agricultural workforce declines and labor costs rise, robotic yield estimation has become increasingly important. While unmanned ground vehicles (UGVs) are commonly used for indoor farm monitoring, their deployment in greenhouses is often constrained by infrastructure limitations, sensor placement challenges, and operational inefficiencies. To address these issues, we develop a lightweight unmanned aerial vehicle (UAV) equipped with an RGB-D camera, a 3D LiDAR, and an IMU sensor. The UAV employs a LiDAR-inertial odometry algorithm for precise navigation in GNSS-denied environments and utilizes a 3D multi-object tracking algorithm to estimate the count and weight of cherry tomatoes. We evaluate the system using two dataset: one from a harvesting row and another from a growing row. In the harvesting-row dataset, the proposed system achieves 94.4\% counting accuracy and 87.5\% weight estimation accuracy within a 13.2-meter flight completed in 10.5 seconds. For the growing-row dataset, which consists of occluded unripened fruits, we qualitatively analyze tracking performance and highlight future research directions for improving perception in greenhouse with strong occlusions. Our findings demonstrate the potential of UAVs for efficient robotic yield estimation in commercial greenhouses.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL