Fruit Quality Assessment with Densely Connected Convolutional Neural Network

要約

食品の正確な認識と品質評価は、農業産業において最も重要です。
このような自動化されたシステムは、食品加工部門の車輪をスピードアップし、大量の手作業を節約できます。
これに関連して、深層学習ベースのアーキテクチャの最近の進歩により、いくつかの分類タスクで優れたパフォーマンスを提供するさまざまなソリューションが導入されました。
この作業では、果実の品質評価のために、密に接続された畳み込みニューラル ネットワーク (DenseNets) の概念を利用しました。
より深いレイヤーへの機能の伝播により、ネットワークは勾配消失の問題に取り組むことができ、機能を再利用して有意義な洞察を得ることができます。
それぞれに 3 つの品質グレードを持つ 6 つの果物を含む 19,526 の画像のデータセットを評価すると、提案されたパイプラインは 99.67% という驚くべき精度を達成しました。
モデルのロバスト性は、果物の分類と品質評価のタスクでさらにテストされ、モデルが同様のパフォーマンスを生成したため、実際のアプリケーションに適しています。

要約(オリジナル)

Accurate recognition of food items along with quality assessment is of paramount importance in the agricultural industry. Such automated systems can speed up the wheel of the food processing sector and save tons of manual labor. In this connection, the recent advancement of Deep learning-based architectures has introduced a wide variety of solutions offering remarkable performance in several classification tasks. In this work, we have exploited the concept of Densely Connected Convolutional Neural Networks (DenseNets) for fruit quality assessment. The feature propagation towards the deeper layers has enabled the network to tackle the vanishing gradient problems and ensured the reuse of features to learn meaningful insights. Evaluating on a dataset of 19,526 images containing six fruits having three quality grades for each, the proposed pipeline achieved a remarkable accuracy of 99.67%. The robustness of the model was further tested for fruit classification and quality assessment tasks where the model produced a similar performance, which makes it suitable for real-life applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google