OliVaR: Improving Olive Variety Recognition using Deep Neural Networks

要約

品種の簡単かつ正確な識別は、農業、特に現在 1200 を超えるオリーブ品種が世界中で知られているオリーブ部門では基本です。
品種の誤認は、セクター内のすべての関係者に多くの潜在的な問題を引き起こします。農家や苗床労働者が間違った品種を確立し、現場での不適応につながる可能性があります。
オリーブオイルとテーブルオリーブの生産者は、本物ではない製品にラベルを付けて販売する場合があります。
消費者が誤解される可能性があります。
ブリーダーは、異なる品種間のターゲットを絞った交配中にエラーを犯す可能性があります。
これまで、品種の識別と証明の基準は、形態学的分類と遺伝子解析の 2 つの方法で構成されていました。
形態学的分類は、最も重要な器官が内果皮であると考えられているオリーブの木のさまざまな器官の視覚的なペアワイズ比較で構成されています。
対照的に、遺伝子分類にはさまざまな方法が存在します (RAPD、SSR、および SNP)。
どちらの分類方法にも、長所と短所があります。
視覚的な形態学的分類には、高度に専門化された担当者が必要であり、人的ミスが発生しやすいです。
遺伝子同定法はより正確ですが、コストが高く、実施が困難です。
この論文では、オリーブの品種識別への新しいアプローチである OliVaR を紹介します。
OliVaR は、教師と生徒のディープ ラーニング アーキテクチャを使用して、特定の各オリーブ品種の内果皮の特徴を学習し、分類を実行します。
私たちの知る限りでは、これまでで最大のオリーブ品種データセットであり、地中海盆地の 131 品種の画像データで構成されています。
このデータセットで OliVaR を徹底的にテストし、86% 以上の精度でオリーブの品種を正確に予測することを示しました。

要約(オリジナル)

The easy and accurate identification of varieties is fundamental in agriculture, especially in the olive sector, where more than 1200 olive varieties are currently known worldwide. Varietal misidentification leads to many potential problems for all the actors in the sector: farmers and nursery workers may establish the wrong variety, leading to its maladaptation in the field; olive oil and table olive producers may label and sell a non-authentic product; consumers may be misled; and breeders may commit errors during targeted crossings between different varieties. To date, the standard for varietal identification and certification consists of two methods: morphological classification and genetic analysis. The morphological classification consists of the visual pairwise comparison of different organs of the olive tree, where the most important organ is considered to be the endocarp. In contrast, different methods for genetic classification exist (RAPDs, SSR, and SNP). Both classification methods present advantages and disadvantages. Visual morphological classification requires highly specialized personnel and is prone to human error. Genetic identification methods are more accurate but incur a high cost and are difficult to implement. This paper introduces OliVaR, a novel approach to olive varietal identification. OliVaR uses a teacher-student deep learning architecture to learn the defining characteristics of the endocarp of each specific olive variety and perform classification. We construct what is, to the best of our knowledge, the largest olive variety dataset to date, comprising image data for 131 varieties from the Mediterranean basin. We thoroughly test OliVaR on this dataset and show that it correctly predicts olive varieties with over 86% accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google