Can Robots ‘Taste’ Grapes? Estimating SSC with Simple RGB Sensors

要約

生食用ブドウ栽培では、収穫は果実の品質を正確に評価することにかかっています。
色などの一部の特性は目に見えるものですが、可溶性固形分 (SSC) やブリックス度 ({\deg}Brix) で測定される糖度などの特性には特別なツールが必要です。
SSC は熟度と相関する重要な品質要素ですが、色との直接の因果関係はありません。
ハイパースペクトル カメラは、制御された実験室条件下で高精度に SSC を推定できますが、現場環境での実用性は限られています。
この研究では、制御されていない照明の下で SSC と色を推定し、コスト効率の高いロボット支援収穫を可能にする単純な RGB センサーの可能性を調査します。
2021 年から 2022 年の夏のシーズンにかけて、ロボット工学やスマートフォンで一般的に使用される組み込みデバイス上の SSC 推定のためのアルゴリズム ソリューションを評価するために、対応する SSC とカラー ラベルが付いたブドウの画像を収集しました。
私たちの結果は、人間のようなパフォーマンスを備えた視覚的な外観から SSC を推定できることを示しています。
私たちは、リソースに制約のあるロボット向けに計算効率の高いヒストグラムベースの手法と、より複雑なアプリケーション向けの深層学習アプローチを提案します。

要約(オリジナル)

In table grape cultivation, harvesting depends on accurately assessing fruit quality. While some characteristics, like color, are visible, others, such as Soluble Solid Content (SSC), or sugar content measured in degrees Brix ({\deg}Brix), require specific tools. SSC is a key quality factor that correlates with ripeness, but lacks a direct causal relationship with color. Hyperspectral cameras can estimate SSC with high accuracy under controlled laboratory conditions, but their practicality in field environments is limited. This study investigates the potential of simple RGB sensors under uncontrolled lighting to estimate SSC and color, enabling cost-effective, robot-assisted harvesting. Over the 2021 and 2022 summer seasons, we collected grape images with corresponding SSC and color labels to evaluate algorithmic solutions for SSC estimation on embedded devices commonly used in robotics and smartphones. Our results demonstrate that SSC can be estimated from visual appearance with human-like performance. We propose computationally efficient histogram-based methods for resource-constrained robots and deep learning approaches for more complex applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google