Fruit Ripeness Classification: a Survey

要約

果物は、世界の農業において、何百万人もの人々を養う重要な作物です。果物製品の標準的なサプライチェーンでは、鮮度、味、そして何よりも安全性を保証するために品質チェックが行われる。果物の品質を決定する重要な要素は、その熟成度である。これは通常、その分野の専門家が手作業で分類しているため、労力がかかり、ミスが起こりやすいプロセスとなっています。そのため、果実の熟度分類を自動化する必要性が生じています。等級付けの対象となる食品に対して、様々な特徴記述子を採用した自動化手法が数多く提案されている。機械学習と深層学習技術は、上位に位置する手法を独占している。さらに、深層学習は生データで操作できるため、作物に特化した複雑な工学的特徴を計算する必要性から解放される。本調査では、果物の熟度分類を自動化するために文献で提案された最新の手法をレビューし、それらが操作する最も一般的な特徴記述子にハイライトを当てる。

要約(オリジナル)

Fruit is a key crop in worldwide agriculture feeding millions of people. The standard supply chain of fruit products involves quality checks to guarantee freshness, taste, and, most of all, safety. An important factor that determines fruit quality is its stage of ripening. This is usually manually classified by experts in the field, which makes it a labor-intensive and error-prone process. Thus, there is an arising need for automation in the process of fruit ripeness classification. Many automatic methods have been proposed that employ a variety of feature descriptors for the food item to be graded. Machine learning and deep learning techniques dominate the top-performing methods. Furthermore, deep learning can operate on raw data and thus relieve the users from having to compute complex engineered features, which are often crop-specific. In this survey, we review the latest methods proposed in the literature to automatize fruit ripeness classification, highlighting the most common feature descriptors they operate on.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL