Deep Convolutional Neural Networks for Palm Fruit Maturity Classification

要約

パーム油の収量と品質を最大化するには、最適な成熟段階でヤシの果物を収穫することが不可欠です。
このプロジェクトは、パームフルーツ画像を5つの熟度レベルに正確に分類できる自動コンピュータービジョンシステムを開発することを目的としています。
深い畳み込みニューラルネットワーク（CNN）を使用して、成熟段階に基づいてパームフルーツ画像を分類します。
浅いCNNはベースラインモデルとして機能し、転送学習と微調整は、事前に訓練されたResNet50およびInceptionV3アーキテクチャに適用されます。
この調査では、有意なバリエーションを持つ8,000を超える画像の公開されているデータセットを利用しています。これは、トレーニング用に80 \％、テストで20 \％に分割されています。
提案されているディープCNNモデルは、パームフルーツの成熟段階の分類において、85 \％を超えるテスト精度を実現します。
この研究は、パームフルーツの熟度評価を自動化するための深い学習の可能性を強調しています。これは、収穫の決定を最適化し、パーム油の生産効率を改善することに貢献する可能性があります。

要約(オリジナル)

To maximize palm oil yield and quality, it is essential to harvest palm fruit at the optimal maturity stage. This project aims to develop an automated computer vision system capable of accurately classifying palm fruit images into five ripeness levels. We employ deep Convolutional Neural Networks (CNNs) to classify palm fruit images based on their maturity stage. A shallow CNN serves as the baseline model, while transfer learning and fine-tuning are applied to pre-trained ResNet50 and InceptionV3 architectures. The study utilizes a publicly available dataset of over 8,000 images with significant variations, which is split into 80\% for training and 20\% for testing. The proposed deep CNN models achieve test accuracies exceeding 85\% in classifying palm fruit maturity stages. This research highlights the potential of deep learning for automating palm fruit ripeness assessment, which can contribute to optimizing harvesting decisions and improving palm oil production efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google