An Overall Real-Time Mechanism for Classification and Quality Evaluation of Rice

要約

米は世界で最も広く栽培されている作物の1つであり、多くの品種に発展しています。
栽培中の米の品質は、主にその品種と特性によって決定されます。
伝統的に、米の分類と品質評価は手動の目視検査に依存しています。これは、時間がかかり、エラーが発生しやすいプロセスです。
ただし、マシンビジョンテクノロジーの進歩により、その品種と特性に基づいた米の分類と品質評価の自動化がますます実行可能になり、精度と効率の両方を向上させています。
この研究では、包括的なイネ粒評価のためのリアルタイム評価メカニズム、1段階のオブジェクト検出アプローチ、深い畳み込みニューラルネットワーク、および従来の機械学習技術の統合を提案しています。
提案されたフレームワークにより、米の種類の識別、穀物の完全性のグレーディング、および穀物の重濃度の評価が可能になります。
この研究で使用されている米粒データセットは、中国で広く栽培された6つの米品種からの約20,000枚の画像で構成されています。
実験結果は、提案されたメカニズムが、オブジェクト検出タスクで99.14％の平均平均精度（MAP）と分類タスクで97.89％の精度を達成することを示しています。
さらに、このフレームワークは、同じ米の品種内で穀物完全性グレーディングで97.56％の平均精度を達成し、効果的な品質評価システムに貢献しています。

要約(オリジナル)

Rice is one of the most widely cultivated crops globally and has been developed into numerous varieties. The quality of rice during cultivation is primarily determined by its cultivar and characteristics. Traditionally, rice classification and quality assessment rely on manual visual inspection, a process that is both time-consuming and prone to errors. However, with advancements in machine vision technology, automating rice classification and quality evaluation based on its cultivar and characteristics has become increasingly feasible, enhancing both accuracy and efficiency. This study proposes a real-time evaluation mechanism for comprehensive rice grain assessment, integrating a one-stage object detection approach, a deep convolutional neural network, and traditional machine learning techniques. The proposed framework enables rice variety identification, grain completeness grading, and grain chalkiness evaluation. The rice grain dataset used in this study comprises approximately 20,000 images from six widely cultivated rice varieties in China. Experimental results demonstrate that the proposed mechanism achieves a mean average precision (mAP) of 99.14% in the object detection task and an accuracy of 97.89% in the classification task. Furthermore, the framework attains an average accuracy of 97.56% in grain completeness grading within the same rice variety, contributing to an effective quality evaluation system.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google