KDOSS-net：作物と雑草の画像のための知識蒸留ベースのアウトペインティングおよびセマンティックセグメンテーションネットワーク

科学分野:

• 農業技術
• コンピュータビジョン
• 人工知能

背景:

• 雑草管理は作物収量にとって不可欠であり、しばしばセマンティックセグメンテーションを使用して行われます。
• 現在の方法では、カメラの視野（FOV）のみを分析することに限定されています。
• この制限は、不完全な雑草除去と非効率的な除草剤使用につながります。

研究 の 目的:

• 高度な作物および雑草のセグメンテーションフレームワークを開発すること。
• 視野制限分析の限界を克服すること。
• 農業用ロボット用の軽量で正確なモデルを作成すること。

主な方法:

• 知識蒸留ベースのアウトペインティングおよびセマンティックセグメンテーションネットワーク（KDOSS-Net）を提案しました。
• 知識蒸留（KD）を使用した教師-生徒モデルアプローチ（OPOSS-NetおよびSSWO-Net）を利用しました。
• カメラのFOVを超える情報を取り込むためにアウトペインティングを活用しました。

主要な成果:

• KDOSS-Netは、公開データセットで高いmIOUスコア（0.6315、0.7101、0.7524）を達成しました。
• 最先端のセグメンテーションモデルと比較して優れた精度を示しました。
• 計算オーバーヘッドを大幅に削減し、農業用ロボットに適しています。

結論:

• KDOSS-Netは、FOV外の情報を取り込むことにより、作物と雑草のセグメンテーション精度を効果的に向上させます。
• モデルの効率性により、リソースに制約のある農業用ロボットへの展開が可能になります。
• インテリジェントな除草剤戦略推奨のためにLLaVAと統合された雑草データ。