論文の概要: Automatic Monitoring of Fruit Ripening Rooms by UHF RFID Sensor Network
and Machine Learning
- arxiv url: http://arxiv.org/abs/2204.12415v1
- Date: Tue, 26 Apr 2022 16:18:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-27 15:49:54.904456
- Title: Automatic Monitoring of Fruit Ripening Rooms by UHF RFID Sensor Network
and Machine Learning
- Title(参考訳): UHF RFIDセンサネットワークと機械学習による果実熟成室の自動モニタリング
- Authors: Cecilia Occhiuzzi, Francesca Camera, Michele D'Orazio, Nicola D'Uva,
Sara Amendola, Giulio Maria Bianco, Carolina Miozzi, Luigi Garavaglia,
Eugenio Martinelli, Gaetano Marrocco
- Abstract要約: 本研究では,アボカドの生熟自動評価のための非破壊RFIDに基づくシステムを提案する。
このシステムは、SVM(Support Vector Machines)に基づく適切に訓練された自動分類アルゴリズムと組み合わせて、85%以上の精度で熟成段階を識別することができる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accelerated ripening through the exposure of fruits to controlled
environmental conditions and gases is nowadays one of the most assessed food
technologies, especially for climacteric and exotic products. However, a fine
granularity control of the process and consequently of the quality of the goods
is still missing, so the management of the ripening rooms is mainly based on
qualitative estimations only. Following the modern paradigms of Industry 4.0,
this contribution proposes a non-destructive RFID-based system for the
automatic evaluation of the live ripening of avocados. The system, coupled with
a properly trained automatic classification algorithm based on Support Vector
Machines (SVMs), can discriminate the stage of ripening with an accuracy
greater than 85%.
- Abstract(参考訳): 果物の環境条件やガスへの曝露による熟成の促進は、今日では最も評価の高い食品技術の一つであり、特に気候やエキゾチックな製品である。
しかし、その工程の細かな粒度制御や商品の質の制御がいまだに欠けているため、熟成室の管理は主に質的評価のみに基づいて行われる。
産業4.0の近代的パラダイムに従って、この貢献はアボカドの生熟自動評価のための非破壊的なRFIDベースのシステムを提案する。
このシステムは、SVM(Support Vector Machines)に基づく適切に訓練された自動分類アルゴリズムと組み合わせて、85%以上の精度で熟成段階を識別することができる。
関連論文リスト
- Autoencoder-Based Visual Anomaly Localization for Manufacturing Quality
Control [0.0]
本稿では,教師なしクラス選択による欠陥ローカライズオートエンコーダを提案する。
選択された欠陥のクラスは、人工的な欠陥をシミュレートするために天然の野生のテクスチャで強化される。
提案手法は, 家具用メラミン面板における品質欠陥の高精度かつ高精度な位置決めを行うことで, 有望な結果を示すものである。
論文 参考訳(メタデータ) (2023-09-13T11:18:15Z) - Revolutionizing Agrifood Systems with Artificial Intelligence: A Survey [93.34268594812599]
我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。
本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。
我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
論文 参考訳(メタデータ) (2023-05-03T05:16:54Z) - 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) - Fruit Quality Assessment with Densely Connected Convolutional Neural
Network [0.0]
我々はDensely Connected Convolutional Neural Networks(DenseNets)の概念を果物の品質評価に活用した。
提案されたパイプラインは99.67%の精度を達成した。
さらに,同モデルが同様の性能を示す果実分類および品質評価タスクにおいて,モデルの堅牢性をさらに検証した。
論文 参考訳(メタデータ) (2022-12-08T13:11:47Z) - Quality-Based Conditional Processing in Multi-Biometrics: Application to
Sensor Interoperability [63.05238390013457]
2007年のバイオセキュリティ・マルチモーダル・アセスメント・キャンペーンにおいて,ATVS-UAM融合手法を品質ベースで評価し,評価を行った。
我々のアプローチは線形ロジスティック回帰に基づいており、融合したスコアはログライクな比率になる傾向にある。
その結果,提案手法はルールベースの核融合方式よりも優れていることがわかった。
論文 参考訳(メタデータ) (2022-11-24T12:11:22Z) - AI-enabled Efficient and Safe Food Supply Chain [0.0]
機械と深層学習の最近の進歩は、効率的な食品生産、エネルギー管理、食品ラベル付けに利用されている。
3つの実験研究が行われ、これらのAI手法が食品サプライチェーン全体で最先端のパフォーマンスを生み出す能力を示しています。
論文 参考訳(メタデータ) (2021-05-01T19:24:53Z) - Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。
ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
論文 参考訳(メタデータ) (2021-03-08T10:56:38Z) - Unsupervised Domain Adaptation for Speech Recognition via Uncertainty
Driven Self-Training [55.824641135682725]
WSJ をソースドメインとし,TED-Lium 3 とSWITCHBOARD を併用したドメイン適応実験を行った。
論文 参考訳(メタデータ) (2020-11-26T18:51:26Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳(メタデータ) (2020-07-14T05:25:15Z) - Toward Enabling a Reliable Quality Monitoring System for Additive
Manufacturing Process using Deep Convolutional Neural Networks [0.0]
本稿では, 深層畳み込みニューラルネットワーク(CNN)モデルを用いて, 添加物製造(AM)プロセスの自動品質評価システムを提案する。
CNNモデルは, 層間積層における内部および表面欠陥の画像を用いてオフラインで訓練し, 異なる押出成形速度と温度でAMプロセスの故障を検出し, 分類する性能について検討した。
提案するオンラインモデルでは,AMプロセスに自動で一貫した非接触品質制御信号が付加され,完全構築後の部品の手動検査が不要になる。
論文 参考訳(メタデータ) (2020-03-06T20:49:20Z)
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。