Time-of-flight-based advanced surface reconstruction methods for real-time volume estimation of bulk harvested wild blueberries
Notice bibliographique
Résumé
This study focuses on volume estimation of mechanically harvested wild blueberries contained within a harvester tote, an economically significant agricultural product for northeastern North America. Accurate volume estimation of mechanically harvested berries in their respective totes is essential for improving the efficiency of the harvesting operation. This study evaluated four computational methods for volume estimation including convex hull, alpha shape, octree, and voxel grid. The evaluation of each method was based on three key metrics: Mean absolute error (MAE), Mean absolute error bias corrected (MAEbc), and processing time. Convex hull exhibited the highest initial MAE (0.0495 ± 0.0235 m³) but showed significant error reduction post-bias correction (to 0.0122 ± 0.0128 m³), leading to a reduced variability. Alpha shape resulted in a moderate MAE (0.0379 ± 0.0217 m³) and bias-corrected error (0.0190 ± 0.0134 m 3 ), but its utility was diminished by an extended processing time (49.265 ± 2.841 s). Octree had a lower initial MAE (0.0447 ± 0.0203 m³), with large variability in bias correction effectiveness (0.0394 ± 0.0233 m³) and a moderate processing time (0.266 ± 0.015 s). Voxel grid had superior accuracy and efficiency, presenting the lowest MAE (0.0311 ± 0.0349 m³), MAEbc (0.0119 ± 0.0158 m³), as well as processing time (0.012 ± 0.001 s). These findings emphasize the importance of considering average performance and variability in method selection, particularly in fields where consistent performance is as crucial as efficiency.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».