リンゴの木における疾病検出とマッピングのためのアクティブロボティック知覚

要旨: 大規模な果樹園の生産では、タイムリーで正確な病害の監視が必要ですが、通常の手作業による巡回調査は労力を要し、現代の作業規模では経済的に実現が困難です。その結果、病害の発生はしばしば遅れて発見され、空間解像度は通常、果樹園の区画（オーチャード・ブロック）レベルの粗い粒度で追跡されます。私たちは休眠期のリンゴ樹における、標的型の病害検出とマッピングのための自律移動ロボットによる能動的知覚システムを提案します。本システムは、今日のリンゴに影響を及ぼす最も壊滅的な病気の1つである「火傷病（fire blight）」で実証されています。システムは、フラッシュ照明付きステレオRGBセンシング、リアルタイム深度推定、インスタンスレベルのセグメンテーション、そして信頼度に応じたセマンティック3Dマッピングを統合し、病害症状の正確な位置特定を実現します。セマンティック予測は、ボリューム（体積）占有マップ表現へ融合され、占有の追跡とボクセルごとのセマンティック信頼度の管理を可能にし、生産者が実行可能な空間マップを構築します。複雑な樹冠内で観測を能動的に洗練するために、統一された知覚-行動ループの中で3つの視点計画戦略を評価します：決定論的な幾何学的ベースライン、未知領域の削減を最大化するボリューム型次善視点（next-best-view）プランナー、そして低信頼度の症状領域を優先するセマンティック型次善視点プランナーです。人工的に作製した実験用の樹木と、5つの症状付き樹木を模したシミュレーションを用いた実験により、現場評価に先立つ前段階として、症状の信頼できる位置特定とマッピングが示されます。シミュレーションでは、セマンティックプランナーが30視点後に最高のF1スコア（0.6106）を達成し、ボリュームプランナーは最高のROIカバレッジ（85.82 upt）%を達成します。実験室環境では、セマンティックプランナーが最高の最終F1（0.9058）を達成し、両方の次善視点プランナーはいずれもベースラインより大幅にカバレッジを改善します。