Publikasjoner
NIBIOs ansatte publiserer flere hundre vitenskapelige artikler og forskningsrapporter hvert år. Her finner du referanser og lenker til publikasjoner og andre forsknings- og formidlingsaktiviteter. Samlingen oppdateres løpende med både nytt og historisk materiale. For mer informasjon om NIBIOs publikasjoner, besøk NIBIOs bibliotek.
2025
Sammendrag
Accurately predicting whether pedestrians will cross in front of an autonomous vehicle is essential for ensuring safe and comfortable maneuvers. However, developing models for this task remains challenging due to the limited availability of diverse datasets containing both crossing (C) and non-crossing (NC) scenarios. Therefore, we propose a procedure that leverages synthetic videos with C/NC labels and an untrained model whose architecture is designed for C/NC prediction to automatically produce C/NC labels for a set of real-world videos. Thus, this procedure performs a synth-to-real unsupervised domain adaptation for C/NC prediction, so we term it S2R-UDA-CP. To assess the effectiveness of S2R-UDA-CP in self-labeling, we utilize two state-of-the-art models, PedGNN and ST-CrossingPose, and we rely on the publicly-available PedSynth dataset, which consists of synthetic videos with C/NC labels. Notably, once the real-world videos are self-labeled, they can be used to train models different from those used in S2R-UDA-CP. These models are designed to operate onboard a vehicle, whereas S2R-UDA-CP is an offline procedure. To evaluate the quality of the C/NC labels generated by S2R-UDA-CP, we also employ PedGraph+ (another literature referent) as it is not used in S2R-UDA-CP. Overall, the results show that training models to predict C/NC using videos labeled by S2R-UDA-CP achieves performance even better than models trained on human-labeled data. Our study also highlights different discrepancies between automatic and human labeling. To the best of our knowledge, this is the first study to evaluate synth-to-real self-labeling for C/NC prediction.
Forfattere
Daniel Moreno-Fernández Johannes Breidenbach Isabel Cañellas Gherardo Chirici Giovanni D’amico Marco Ferretti Francesca Giannetti Stefano Puliti Sebastian Schnell Ross Shackleton Mitja Skudnik Iciar AlberdiSammendrag
Det er ikke registrert sammendrag
Forfattere
Shaohui Zhang Poul Erik Lærke Mathias Neumann Andersen Junxiang Peng Esben Øster Mortensen Johannes Wilhelmus Maria Pullens Sheng Wang Klaus Steenberg Larsen Davide Cammarano Uffe Jørgensen Kiril ManevskiSammendrag
Det er ikke registrert sammendrag
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
Det er ikke registrert sammendrag
Forfattere
Siri Svendgård-Stokke Eva Solbjørg Flo Heggem Anne B. Nilsen Svein Olav Krøgli Sebastian Eiter Henrik Forsberg Mathiesen Jonathan Rizzi Torgeir Tajet Ole Einar Ellingbø TveitoSammendrag
Det er ikke registrert sammendrag
Sammendrag
Dokumentet presenterer resultatene fra sortstesting av jordbær utført i 2024 ved NIBIOs forskningsanlegg i Tromsø og Apelsvoll. Hensikten med testen var å identifisere jordbærsorter som kombinerer høy avling med god smak og kvalitet, spesielt under de varierende vekstforholdene i Norge. Den største avlingen på engangsbærene sorter ble registrert hos sorten ‘Parlando’, etterfulgt av ‘Sonsation’ og ‘Falco’. Generelt hadde Tromsø høyere andel store bær sammenlignet med Apelsvoll, og det ble registrert lav utsortering av bær. Avlingen for remonterende sorter varierte fra 900 til 1150 g per plante. ‘Aurora Karima’ hadde høyest avling, mens ‘Florice’ og ‘Favori’ også hadde høye avlinger. Smaken av jordbær ble vurdert basert på sukker- og syreinnhold. ‘Jenkka’ og ‘Magnum’ hadde høyest sukkerinnhold, mens ‘Dahli’ og ‘Parlando’ hadde lavere innhold. Bær dyrket i Tromsø hadde generelt bedre smak enn de fra Apelsvoll.
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
Det er ikke registrert sammendrag
Forfattere
Marit Skuterud VennatrøSammendrag
Korncystenematoder er vanlige skadegjørere i korn, som trives spesielt godt der det drives ensidig vekstskifte. Den vanligste arten i Norge er havrecystenematode (Heterodera avenae). Havrecystenematode er påvist i forbindelse med skade i havre, vårhvete, bygg, rug og mais, mens rugcystenematoden i tillegg kan gjøre skade i høstkorn om høsten.