Fruit Ripeness Classification: a Survey

要約

果物は、何百万人もの人々を養う世界の農業における重要な作物です。
果物製品の標準的なサプライ チェーンには、鮮度、味、そして何よりも安全性を保証するための品質チェックが含まれます。
果実の品質を決定する重要な要素は、成熟の段階です。
これは通常、その分野の専門家によって手動で分類されるため、手間がかかり、エラーが発生しやすいプロセスになります。
したがって、果実の熟度分類のプロセスを自動化する必要性が生じています。
等級付けされる食品のさまざまな特徴記述子を使用する多くの自動方法が提案されています。
機械学習と深層学習の手法が、最も優れた方法を支配しています。
さらに、深層学習は生データを操作できるため、ユーザーは作物固有の複雑な工学的特徴を計算する必要がなくなります。
この調査では、果物の熟度分類を自動化するために文献で提案されている最新の方法をレビューし、それらが操作する最も一般的な特徴記述子を強調しています。

要約(オリジナル)

Fruit is a key crop in worldwide agriculture feeding millions of people. The standard supply chain of fruit products involves quality checks to guarantee freshness, taste, and, most of all, safety. An important factor that determines fruit quality is its stage of ripening. This is usually manually classified by experts in the field, which makes it a labor-intensive and error-prone process. Thus, there is an arising need for automation in the process of fruit ripeness classification. Many automatic methods have been proposed that employ a variety of feature descriptors for the food item to be graded. Machine learning and deep learning techniques dominate the top-performing methods. Furthermore, deep learning can operate on raw data and thus relieve the users from having to compute complex engineered features, which are often crop-specific. In this survey, we review the latest methods proposed in the literature to automatize fruit ripeness classification, highlighting the most common feature descriptors they operate on.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google