Deep learning-based approach for tomato classification in complex scenes

要約

熟したトマトの追跡には時間と労力がかかります。
人工知能技術とコンピューター ビジョンの技術を組み合わせることで、ユーザーは植物の成熟状態を監視するプロセスを最適化できます。
この目的を達成するために、私たちは複雑なシーンにおける深層学習に基づくトマトの熟成モニタリングアプローチを提案しました。
目的は、成熟したトマトを検出し、適時に収穫することです。
提案されたアプローチは 2 つの部分に分けて拒否されます。
まず、シーンの画像が前処理層に送信されます。
このプロセスにより、対象領域 (トマトを含む画像の領域) を検出できます。
次に、これらの画像は成熟度検出層への入力として使用されます。
この層は、ディープ ニューラル ネットワーク学習アルゴリズムに基づいて、提供されたトマトのサムネイルを、緑、脆い、ピンク、淡い赤、成熟した赤の 5 つのカテゴリのいずれかに分類します。
この実験は、英語、ドイツ語、フランス語、スペイン語など、さまざまな言語でトマトの状態を検索してインターネットから収集した画像に基づいています。
極限条件下で撮影されたトマトの画像で構成されたデータセットに対する成熟度検出レイヤーの実験結果では、良好な分類率が得られました。

要約(オリジナル)

Tracking ripening tomatoes is time consuming and labor intensive. Artificial intelligence technologies combined with those of computer vision can help users optimize the process of monitoring the ripening status of plants. To this end, we have proposed a tomato ripening monitoring approach based on deep learning in complex scenes. The objective is to detect mature tomatoes and harvest them in a timely manner. The proposed approach is declined in two parts. Firstly, the images of the scene are transmitted to the pre-processing layer. This process allows the detection of areas of interest (area of the image containing tomatoes). Then, these images are used as input to the maturity detection layer. This layer, based on a deep neural network learning algorithm, classifies the tomato thumbnails provided to it in one of the following five categories: green, brittle, pink, pale red, mature red. The experiments are based on images collected from the internet gathered through searches using tomato state across diverse languages including English, German, French, and Spanish. The experimental results of the maturity detection layer on a dataset composed of images of tomatoes taken under the extreme conditions, gave a good classification rate.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google