SemanticSugarBeets: A Multi-Task Framework and Dataset for Inspecting Harvest and Storage Characteristics of Sugar Beets

要約

シュガービートは処理前に保管されていますが、接着土壌や過剰な植生に存在する微生物などの要因により砂糖を失います。
自動化された目視検査は、品質保証を支援することを約束し、それにより砂糖生産の処理チェーン全体で効率を高めます。
この作業では、単眼RGB画像の収穫後および貯蔵後のシュガービートの検出、セマンティックセグメンテーション、および質量推定のための新しい高品質の注釈付きデータセットと2段階の方法を提示します。
私たちは、砂糖ビートの検出と、損傷、腐敗、土壌の接着、過剰植生に関するそれらのきめの細かいセマンティックセグメンテーションのために、広範なアブレーション実験を実施します。
これらのタスクでは、複数の画像サイズ、モデルアーキテクチャ、エンコーダー、および環境条件の影響を評価します。
私たちの実験は、砂糖ビート検出の場合は98.8のMAP50-95と、最高のパフォーマンスのセグメンテーションモデルでは64.0のMIOUを示しています。

要約(オリジナル)

While sugar beets are stored prior to processing, they lose sugar due to factors such as microorganisms present in adherent soil and excess vegetation. Their automated visual inspection promises to aide in quality assurance and thereby increase efficiency throughout the processing chain of sugar production. In this work, we present a novel high-quality annotated dataset and two-stage method for the detection, semantic segmentation and mass estimation of post-harvest and post-storage sugar beets in monocular RGB images. We conduct extensive ablation experiments for the detection of sugar beets and their fine-grained semantic segmentation regarding damages, rot, soil adhesion and excess vegetation. For these tasks, we evaluate multiple image sizes, model architectures and encoders, as well as the influence of environmental conditions. Our experiments show an mAP50-95 of 98.8 for sugar-beet detection and an mIoU of 64.0 for the best-performing segmentation model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google