Collaboration between aerial and ground robots for weed detection and removal

V. Pham; B. Malladi; F. Moreno; C. Gonzalez; S. Bhandari; A. Raheja

Collaboration between aerial and ground robots for weed detection and removal

in Precision agriculture '25

Autor:innen:

V. Pham

V. Pham California State Polytechnic University, 3801 W. Temple Avenue, Pomona, CA 9768, USA

Search for other papers by V. Pham in
Current site
Google Scholar
PubMed

B. Malladi

B. Malladi California State Polytechnic University, 3801 W. Temple Avenue, Pomona, CA 9768, USA

Search for other papers by B. Malladi in
Current site
Google Scholar
PubMed

F. Moreno

F. Moreno California State Polytechnic University, 3801 W. Temple Avenue, Pomona, CA 9768, USA

Search for other papers by F. Moreno in
Current site
Google Scholar
PubMed

C. Gonzalez

C. Gonzalez California State Polytechnic University, 3801 W. Temple Avenue, Pomona, CA 9768, USA

Search for other papers by C. Gonzalez in
Current site
Google Scholar
PubMed

S. Bhandari

S. Bhandari California State Polytechnic University, 3801 W. Temple Avenue, Pomona, CA 9768, USA

Search for other papers by S. Bhandari in
Current site
Google Scholar
PubMed

, und

A. Raheja

A. Raheja California State Polytechnic University, 3801 W. Temple Avenue, Pomona, CA 9768, USA

Search for other papers by A. Raheja in
Current site
Google Scholar
PubMed

Art:: Kapitel

Seiten:: 962–968

DOI:: https://doi.org/10.1163/9789004725232_126

Angemeldet über:

Dar Hadith al Hassania

PDF herunterladen

This paper presents an approach towards the collaboration between aerial and ground robots or autonomous unmanned aerial vehicles (UAVs) and unmanned ground vehicles (UGVs) for weed detection and removal. A UAV equipped with a high resolution digital camera was used to collect data from an experimental strawberry plot. The collected data was used to develop machine-learning models to detect weeds in the plot using two different machine-learning architectures that support real-time implementation. The developed algorithms also identify the location of weeds. The location data was then shared with a UGV for weed removal. Accuracies of the machine-learning models in detecting weeds are discussed and experimental results for weed detection and removal are shown.

Zitierungsangaben

Save
Cite
Inhalt per Mail versenden

Link teilen

Sie können einen Link zu dieser Seite per E-Mail senden:
Inhalt per Mail versenden
oder den Link direkt kopieren:

https://brill.edhh.ma/edcollchap-oa/book/9789004725232/BP000126.xml
Der Link wurde nicht kopiert. Ihr aktueller Browser unterstützt das Kopieren über diese Schaltfläche möglicherweise nicht.

Link wurde kopiert

Reduzieren
Erweitern
Nach oben

Precision agriculture '25

ISBN:: 9789004725232

Verleger:: Wageningen Academic

Print-Publikationsdatum:: 18 Jun 2025

Fachgebiete
- Biowissenschaften
  - Allgemein
  - Landwirtschaft und Umwelt

Kennzahlen

	Insgesamt	Letzte 365 Tage	In den letzten 30 Tagen
Aufrufe von Kurzbeschreibungen	0	0	0
Gesamttextansichten	168	149	18
PDF-Downloads	207	163	11

Afrikanistik	Internationale Beziehungen	Nahost- und Islamwissenschaften
Altorientalistik und Ägyptologie	Internationales Recht	Pädagogik
Amerikanistik	Judaistik	Philosophie
Asienwissenschaften	Klassische Altertumswissenschaft	Religionswissenschaft
Bibelauslegung	Kunstgeschichte	Slawistik und Eurasienkunde
Biologie	Literatur- und Kulturwissenschaften	Sozialwissenschaften
Biowissenschaften	Medienwissenschaft	Sprachen und Linguistik
Buchgeschichte und Kartographie	Menschenrechte und humanitäres Völkerrecht	Theologie und Christentum
Geschichte	Musikwissenschaft

Fachgebiete

Autor:innen

Open Access

Produkt-Informationen

Über uns

Kontakt

Collaboration between aerial and ground robots for weed detection and removal

Zitierungsangaben

Link teilen

Precision agriculture '25

Inhaltsverzeichnis

Kennzahlen

Kennzahlen