Autonomous Apple Fruitlet Sizing and Growth Rate Tracking using Computer Vision

要約

この論文では、リンゴの小果実のサイズと成長速度を測定するためのコンピューター ビジョン ベースのアプローチを紹介します。
リンゴの子実の成長速度を測定することは、リンゴ生産者が収量を最適化するために作物に化学シンナーをいつ使用するかを決定できるため、重要です。
成長率を取得する現在の手法には、ノギスを使用して複数日間にわたる子実のサイズを記録することが含まれます。
サイズを調整する必要がある子実の数のため、この方法は手間と時間がかかり、人的ミスが発生しやすくなります。
私たちのシステムは、手持ちのステレオ カメラで収集した画像を使用して、楕円をセグメント化し、クラスター化し、小実に当てはめて直径を測定します。
次に、クラスター化された子実を数日間にわたって時間的に関連付けることによって、成長率が計算されます。
私たちは、リンゴ園で収集されたデータに関する定量的な結果を提供し、システムが手作業の労力を大幅に減らしながら、速度を 6 倍向上させて、現在の方法の 3.5% 以内でアブシス率を予測できることを実証しました。
さらに、現場のロボット システムによってキャプチャされた画像に関する結果を提供し、プロセスを完全に自律化するために必要な次のステップについて説明します。

要約(オリジナル)

In this paper, we present a computer vision-based approach to measure the sizes and growth rates of apple fruitlets. Measuring the growth rates of apple fruitlets is important because it allows apple growers to determine when to apply chemical thinners to their crops in order to optimize yield. The current practice of obtaining growth rates involves using calipers to record sizes of fruitlets across multiple days. Due to the number of fruitlets needed to be sized, this method is laborious, time-consuming, and prone to human error. With images collected by a hand-held stereo camera, our system, segments, clusters, and fits ellipses to fruitlets to measure their diameters. The growth rates are then calculated by temporally associating clustered fruitlets across days. We provide quantitative results on data collected in an apple orchard, and demonstrate that our system is able to predict abscise rates within 3.5% of the current method with a 6 times improvement in speed, while requiring significantly less manual effort. Moreover, we provide results on images captured by a robotic system in the field, and discuss the next steps required to make the process fully autonomous.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google