EcoWeedNet: A Lightweight and Automated Weed Detection Method for Sustainable Next-Generation Agricultural Consumer Electronics

要約

持続可能な農業は、消費者の世界の食料安全保障を確保する上で重要な役割を果たしています。
持続可能な精密農業が直面する重要な課題は、雑草が水、土壌栄養素、日光などの作物との重要な資源を競うため、雑草の成長です。
自動化されたコンピュータービジョンテクノロジーと地上農業の消費者電子車両の採用は、精密農業において、持続可能な低炭素ソリューションを提供します。
ただし、以前の作業は、精度と精度の低さ、および高い計算費用などの問題に悩まされています。
この作業は、低炭素の農業慣行の目標と一致して、重要な計算の複雑さを導入することなく雑草検出性能を高める新しいモデルであるEcoWeedNetを提案しています。
提案されたモデルの有効性は、実際のシナリオを反映したCottonWeedDet12ベンチマークデータセットでの包括的な実験を通じて実証されています。
EcoWeedNetは、大規模なモデル（map@0.5 = 95.2％）のパフォーマンスに匹敵するパフォーマンスを達成しますが、パラメーターが大幅に少なくなり（Yolov4のパラメーターの約4.21％）、計算の複雑さが低く、Yolov4のGFLOPの6.59％が優れています。
これらの重要な調査結果は、低電力消費者ハードウェア、エネルギー消費の低下に対するEcoWeedNetの展開性を示しているため、二酸化炭素排出量が減少し、それにより、次世代の持続可能な農業におけるEcoWeedNetのアプリケーションの見通しを強調しています。
これらの調査結果は、環境に優しい農業消費者技術の適用を増やすための前進を提供します。

要約(オリジナル)

Sustainable agriculture plays a crucial role in ensuring world food security for consumers. A critical challenge faced by sustainable precision agriculture is weed growth, as weeds compete for essential resources with crops, such as water, soil nutrients, and sunlight, which notably affect crop yields. The adoption of automated computer vision technologies and ground agricultural consumer electronic vehicles in precision agriculture offers sustainable, low-carbon solutions. However, prior works suffer from issues such as low accuracy and precision, as well as high computational expense. This work proposes EcoWeedNet, a novel model that enhances weed detection performance without introducing significant computational complexity, aligning with the goals of low-carbon agricultural practices. The effectiveness of the proposed model is demonstrated through comprehensive experiments on the CottonWeedDet12 benchmark dataset, which reflects real-world scenarios. EcoWeedNet achieves performance comparable to that of large models (mAP@0.5 = 95.2%), yet with significantly fewer parameters (approximately 4.21% of the parameters of YOLOv4), lower computational complexity and better computational efficiency 6.59% of the GFLOPs of YOLOv4). These key findings indicate EcoWeedNet’s deployability on low-power consumer hardware, lower energy consumption, and hence reduced carbon footprint, thereby emphasizing the application prospects of EcoWeedNet in next-generation sustainable agriculture. These findings provide the way forward for increased application of environmentally-friendly agricultural consumer technologies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google