Fruit Picker Activity Recognition with Wearable Sensors and Machine Learning

要約

タイトル：ウェアラブルセンサーと機械学習を用いたフルーツ収穫作業の認識
要約：
– フルーツ収穫作業をウェアラブルセンサーからの時系列データに基づいて検出する新しいアプリケーションを提案。
– 収穫中、収穫者はウェアラブルバッグに果物を入れ、これらのバッグを果樹園に設置された収穫箱に空にする。バッグが満たされると、収穫箱は迅速に冷却したパックハウスに輸送され、収穫されたフルーツの賞味期限を延ばす。
– 収穫者バッグが空になる時期を知ることは、収穫箱をより効果的に管理し、果樹園で放置されるフルーツの時間を短縮するために重要です。
– 人間の活動認識と機械学習手法を用いて、バッグの空になることを検出する手法を提案。
– データにラベルを付けるための半教師ありアプローチを開発し、特徴ベースの機械学習アンサンブルモデルと深層再帰型畳み込みニューラルネットワークを開発して実世界のデータセットでテスト。
– 比較した結果、ニューラルネットワークは86％の検出精度を達成しました。

要約(オリジナル)

In this paper we present a novel application of detecting fruit picker activities based on time series data generated from wearable sensors. During harvesting, fruit pickers pick fruit into wearable bags and empty these bags into harvesting bins located in the orchard. Once full, these bins are quickly transported to a cooled pack house to improve the shelf life of picked fruits. For farmers and managers, the knowledge of when a picker bag is emptied is important for managing harvesting bins more effectively to minimise the time the picked fruit is left out in the heat (resulting in reduced shelf life). We propose a means to detect these bag-emptying events using human activity recognition with wearable sensors and machine learning methods. We develop a semi-supervised approach to labelling the data. A feature-based machine learning ensemble model and a deep recurrent convolutional neural network are developed and tested on a real-world dataset. When compared, the neural network achieves 86% detection accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI