論文の概要: Classification of jujube fruit based on several pricing factors using machine learning methods

• arxiv url: http://arxiv.org/abs/2111.00112v1
• Date: Fri, 29 Oct 2021 23:10:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-05 02:05:43.287147
• Title: Classification of jujube fruit based on several pricing factors using machine learning methods
• Title（参考訳）: 機械学習を用いた数種の価格要因に基づくジュジュベ果実の分類
• Authors: Abdollah Zakeri, Ruhollah Hedayati, Mohammad Khedmati, Mehran Taghipour-Gorjikolaie
• Abstract要約: 重み、しわ、欠陥など、十住ベの価格にはいくつかの要因がある。 特定の選別や分類をせずに一斉に一斉に販売する百姓もいる。 我々の研究や経験から、製品が仕分け処理後に販売された場合、利益が著しく増加することが示されている。
• 参考スコア（独自算出の注目度）: 1.7205106391379026
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Jujube is a fruit mainly cultivated in India, China and Iran and has many health benefits. It is sold both fresh and dried. There are several factors in jujube pricing such as weight, wrinkles and defections. Some jujube farmers sell their product all at once, without any proper sorting or classification, for an average price. Our studies and experiences show that their profit can increase significantly if their product is sold after the sorting process. There are some traditional sorting methods for dried jujube fruit but they are costly, time consuming and can be inaccurate due to human error. Nowadays, computer vision combined with machine learning methods, is used increasingly in food industry for sorting and classification purposes and solve many of the traditional sorting methods' problems. In this paper we are proposing a computer vision-based method for grading jujube fruits using machine learning techniques which will take most of the important pricing factors into account and can be used to increase the profit of farmers. In this method we first acquire several images from different samples and then extract their visual features such as color features, shape and size features, texture features, defection and wrinkle features and then we select the most useful features using feature selection algorithms like PCA and CFS. A feature vector is obtained for each sample and we use these vectors to train our classifiers to be able to specify the corresponding pre-defined group for each of the samples. We used different classifiers and training methods in order to obtain the best result and by using decision tree we could reach 98.8% accuracy of the classification.
• Abstract（参考訳）: インド、中国、イランで主に栽培されている果実で、多くの健康上の利益がある。 生鮮と乾燥の両方で販売されている。 重み、しわ、欠陥など、十住ベの価格にはいくつかの要因がある。 一部の重兵衛農家は、適切な仕分けや分類なしに、平均価格で一度に製品を販売している。 当社の研究と経験から,製品が仕分けプロセス後に販売された場合,その利益は著しく増加することが分かりました。 果汁を乾燥させる伝統的な選別法はいくつかあるが、高価で時間もかかり、人為的な誤りのため不正確である。 今日では、コンピュータビジョンと機械学習の手法が組み合わさって、食品産業においてソートや分類の目的で使われ、伝統的なソート手法の多くの問題を解決している。 本稿では,重要な価格要因のほとんどを考慮し,農家の利益向上に活用できる機械学習手法を用いて,ジューベ果実の採点をコンピュータビジョンベースで行う手法を提案する。 本手法では,まず異なるサンプルから複数の画像を取得し,色特徴,形状,大きさ,テクスチャ特徴,欠陥,ひび割れ特徴などの視覚的特徴を抽出し,PCAやCFSなどの特徴選択アルゴリズムを用いて最も有用な特徴を選択する。 各サンプルに対して特徴ベクトルが得られ、これらのベクトルを用いて分類器を訓練し、各サンプルに対して対応する事前定義されたグループを指定することができる。 最適な結果を得るために異なる分類器と訓練方法を用い,決定木を用いて98.8%の精度で分類を行うことができた。

関連論文リスト

• Retrieval Augmented Recipe Generation [96.43285670458803]
  本稿では,レシピ生成のための拡張型大規模マルチモーダルモデルを提案する。 既存のデータストアからサプリメントとして、イメージにセマンティックに関連付けられたレシピを検索する。 生成したレシピ候補間の一貫性を計算し、異なる検索レシピを生成のコンテキストとして使用する。
  論文  参考訳（メタデータ） (2024-11-13T15:58:50Z)
• A novel method for identifying rice seed purity based on hybrid machine learning algorithms [0.0]
  穀物産業では、種子の品質を評価する上で重要な要素として、種子の純度の同定が重要である。 本研究では,ハイブリッド機械学習アルゴリズムを用いて,特定の品種のイネ種子の純度を自動的に同定する手法を提案する。
  論文  参考訳（メタデータ） (2024-06-09T17:13:25Z)
• Few-Shot Fruit Segmentation via Transfer Learning [4.616529139444651]
  移動学習を用いた内野果実のセマンティックセマンティックセマンティックセマンティクスフレームワークを開発した。 都会のシーン解析における同様の成功を機に,我々は特別事前学習を提案する。 プレトレーニングモデルでは, 地上に落ちてきた果実と木上の果実の区別が可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-04T04:05:59Z)
• Food Image Classification and Segmentation with Attention-based Multiple Instance Learning [51.279800092581844]
  本稿では,食品画像分類とセマンティックセグメンテーションモデルを訓練するための弱教師付き方法論を提案する。 提案手法は、注意に基づくメカニズムと組み合わせて、複数のインスタンス学習アプローチに基づいている。 提案手法の有効性を検証するため,FoodSeg103データセット内の2つのメタクラスについて実験を行った。
  論文  参考訳（メタデータ） (2023-08-22T13:59:47Z)
• An Application of Deep Learning for Sweet Cherry Phenotyping using YOLO Object Detection [8.943378640301734]
  樹木の果実の育種は、多くのサンプルにおいて、様々な果実品質特性の反復測定を含む長期的な活動である。 これらの特徴は、伝統的に、手動で果実を数え、間接的に果実の大きさを測ることによって測定される。 ディープラーニングの最近の進歩は、このプロセスの自動化に役立つ。 YOLOv3を用いて,カメラの視野におけるサツマイモの実の数をリアルタイムで計測する手法を開発した。
  論文  参考訳（メタデータ） (2023-02-13T21:24:09Z)
• Fruit Ripeness Classification: a Survey [59.11160990637616]
  食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。 機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。 ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
  論文  参考訳（メタデータ） (2022-12-29T19:32:20Z)
• Facilitated machine learning for image-based fruit quality assessment in developing countries [68.8204255655161]
  自動画像分類は食品科学における教師あり機械学習の一般的な課題である。 事前学習型視覚変換器(ViT)に基づく代替手法を提案する。 標準的なデバイス上で限られたリソースで簡単に実装できる。
  論文  参考訳（メタデータ） (2022-07-10T19:52:20Z)
• Few-shot Image Classification with Multi-Facet Prototypes [48.583388368897126]
  視覚的特徴をファセットに整理し、同じ種類の特徴を直感的にグループ化する。 カテゴリー名の事前訓練された埋め込みから、顔の重要性を予測することができる。 特に,あるカテゴリの集合に対して,予測されたフェーレット重み付けに依存する適応的類似度尺度を提案する。
  論文  参考訳（メタデータ） (2021-02-01T12:43:03Z)
• Fine-Grained Visual Classification via Progressive Multi-Granularity Training of Jigsaw Patches [67.51747235117]
  きめ細かい視覚分類(FGVC)は従来の分類よりもはるかに難しい。 最近の研究は主に、最も差別的な部分の発見に焦点をあてることによってこの問題に対処している。 本稿では,これらの問題に対処するための視覚的細粒度分類のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2020-03-08T19:27:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。