Umeå universitets logga

umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Advances in machine learning for agricultural robots
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap. Örebro University, Örebro, Sweden.ORCID-id: 0000-0003-4685-379X
Örebro University, Örebro, Sweden.ORCID-id: 0000-0003-3788-499X
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap.ORCID-id: 0000-0002-4600-8652
2024 (Engelska)Ingår i: Advances in agri-food robotics / [ed] Eldert van Henten; Yael Edan, Cambridge: Burleigh Dodds Science Publishing , 2024, s. 103-134Kapitel i bok, del av antologi (Refereegranskat)
Abstract [en]

This chapter presents a survey of the advances in using machine learning algorithms for agricultural robotics. The development of machine learning algorithms in the last decade has been astounding, and there has therefore been a rapid increase in the widespread deployment of machine learning algorithms in many domains, such as agricultural robotics. However, there are also major challenges to be overcome in ML for agri-robotics, due to the unavoidable complexity and variability of the operating environments, and the difficulties in accessing the required quantities of relevant training data. This chapter presents an overview of the usage of ML for agri-robotics and discusses the use of ML for data analysis and decision-making for perception and navigation. It outlines the main trends of the last decade in employed algorithms and available data. We then discuss the challenges the field is facing and ways to overcome these challenges.

Ort, förlag, år, upplaga, sidor
Cambridge: Burleigh Dodds Science Publishing , 2024. s. 103-134
Serie
Burleigh dodds series in agricultural science, ISSN 2059-6936, E-ISSN 2059-6944 ; 139
Nationell ämneskategori
Datavetenskap (datalogi) Datorseende och robotik (autonoma system)
Forskningsämne
data- och systemvetenskap
Identifikatorer
URN: urn:nbn:se:umu:diva-223680DOI: 10.19103/AS.2023.0124.04ISBN: 9781801462778 (tryckt)ISBN: 9781801462792 (digital)ISBN: 9781801462785 (digital)OAI: oai:DiVA.org:umu-223680DiVA, id: diva2:1853847
Tillgänglig från: 2024-04-23 Skapad: 2024-04-23 Senast uppdaterad: 2024-05-14Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltext

Person

Kurtser, PolinaRingdahl, Ola

Sök vidare i DiVA

Av författaren/redaktören
Kurtser, PolinaLowry, StephanieRingdahl, Ola
Av organisationen
Institutionen för datavetenskap
Datavetenskap (datalogi)Datorseende och robotik (autonoma system)

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 86 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf