Seed Kernel Counting using Domain Randomization and Object Tracking Neural Networks

要約

種子のハイスループット表現型解析 (HTP) は、種子表現型解析としても知られ、成長、発育、耐性、抵抗性、生態、収量などの複雑な種子の形質の包括的な評価、およびより複雑な形質を形成するパラメーターの測定です。
種子の表現型解析の重要な側面の 1 つは、種子生産業界が事業を行う上で依存している穀物の収量推定です。
現在、機械化された種子カーネルカウンターが市場で入手可能ですが、価格が高いことが多く、場合によっては小規模の種子生産会社が手頃な価格の範囲を超えていることもあります。
You Only Look Once (YOLO) などのオブジェクト追跡ニューラル ネットワーク モデルの開発により、コンピュータ科学者は穀物の収量を安価に推定できるアルゴリズムを設計できるようになります。
ニューラル ネットワーク モデルの主なボトルネックは、タスクを実行する前に大量のラベル付きトレーニング データが必要であることです。
私たちは、合成画像の使用が、物体の分類と検出のタスクを含む物体追跡用のニューラル ネットワークをトレーニングするための実行可能な代替手段として機能することを実証します。
さらに、ビデオから穀物の収量を推定するために、低コストの機械ホッパー、訓練された YOLOv8 ニューラル ネットワーク モデル、および StrongSORT および ByteTrack 上のオブジェクト追跡アルゴリズムを使用する種子カーネル カウンターを提案します。
この実験では、StrongSORT アルゴリズムを使用すると、大豆と小麦についてはそれぞれ 95.2\% と 93.2\% の精度で種子穀粒数が得られ、ByteTrack アルゴリズムを使用すると、大豆と小麦についてはそれぞれ 96.8\% と 92.4\% の精度が得られます。

要約(オリジナル)

High-throughput phenotyping (HTP) of seeds, also known as seed phenotyping, is the comprehensive assessment of complex seed traits such as growth, development, tolerance, resistance, ecology, yield, and the measurement of parameters that form more complex traits. One of the key aspects of seed phenotyping is cereal yield estimation that the seed production industry relies upon to conduct their business. While mechanized seed kernel counters are available in the market currently, they are often priced high and sometimes outside the range of small scale seed production firms’ affordability. The development of object tracking neural network models such as You Only Look Once (YOLO) enables computer scientists to design algorithms that can estimate cereal yield inexpensively. The key bottleneck with neural network models is that they require a plethora of labelled training data before they can be put to task. We demonstrate that the use of synthetic imagery serves as a feasible substitute to train neural networks for object tracking that includes the tasks of object classification and detection. Furthermore, we propose a seed kernel counter that uses a low-cost mechanical hopper, trained YOLOv8 neural network model, and object tracking algorithms on StrongSORT and ByteTrack to estimate cereal yield from videos. The experiment yields a seed kernel count with an accuracy of 95.2\% and 93.2\% for Soy and Wheat respectively using the StrongSORT algorithm, and an accuray of 96.8\% and 92.4\% for Soy and Wheat respectively using the ByteTrack algorithm.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google