Mobile robots sampling algorithms for monitoring of insects populations in agricultural fields

要約

植物の病気は生産損失の主な原因であり、農業部門に重大な影響を与える可能性があります。
害虫をできるだけ早く検出することは、作物の収量と生産効率の向上に役立ちます。
データを収集し、環境プロセスをより深く理解できるようにするロボット監視システムがいくつか開発されています。
農業ロボットは、畑を自律的に移動し、畑内の作付エリア全体を監視することで、害虫を正確にタイムリーに検出することができます。
しかし、多くの場合、資源の制限によりすべての植物をサンプリングすることは不可能です。
この論文では、すべての植物を完全にサンプリングすることが不可能な圃場で昆虫の位置を特定するように設計された農業監視地上ロボットの課題に対処するために、いくつかのサンプリング アルゴリズムの開発と評価を紹介します。
この論文の一部として特別に開発されたシミュレーション モデルでは、昆虫に関する事前情報が利用できない場合と、フィールド内の昆虫の分布に関する事前情報がわかっている場合の 2 つの状況が調査されました。
最初の状況では、7 つのアルゴリズムがテストされ、それぞれが事前知識なしでフィールドをサンプリングするアプローチを利用しました。
2 番目の状況では、リアルタイム情報を利用して疑わしい地点でのサンプリングに優先順位を付け、ホットスポットを特定し、それに応じてサンプリング計画を適応させる動的サンプリング アルゴリズムの開発と評価を示します。
このアルゴリズムのパフォーマンスは、以前の研究からのテトラニキ科昆虫データを使用して、2 つの既存のアルゴリズムと比較されました。
分析の結果、動的アルゴリズムが他のアルゴリズムよりも優れていることが明らかになりました。

要約(オリジナル)

Plant diseases are major causes of production losses and may have a significant impact on the agricultural sector. Detecting pests as early as possible can help increase crop yields and production efficiency. Several robotic monitoring systems have been developed allowing to collect data and provide a greater understanding of environmental processes. An agricultural robot can enable accurate timely detection of pests, by traversing the field autonomously and monitoring the entire cropped area within a field. However, in many cases it is impossible to sample all plants due to resource limitations. In this thesis, the development and evaluation of several sampling algorithms are presented to address the challenge of an agriculture-monitoring ground robot designed to locate insects in an agricultural field, where complete sampling of all the plants is infeasible. Two situations were investigated in simulation models that were specially developed as part of this thesis: where no a-priori information on the insects is available and where prior information on the insects distributions within the field is known. For the first situation, seven algorithms were tested, each utilizing an approach to sample the field without prior knowledge of it. For the second situation, we present the development and evaluation of a dynamic sampling algorithm which utilizes real-time information to prioritize sampling at suspected points, locate hot spots and adapt sampling plans accordingly. The algorithm’s performance was compared to two existing algorithms using Tetranychidae insect data from previous research. Analyses revealed that the dynamic algorithm outperformed the others.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google