論文の概要: Yield Evaluation of Citrus Fruits based on the YoloV5 compressed by
Knowledge Distillation
- arxiv url: http://arxiv.org/abs/2211.08743v1
- Date: Wed, 16 Nov 2022 08:09:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-17 15:30:09.267464
- Title: Yield Evaluation of Citrus Fruits based on the YoloV5 compressed by
Knowledge Distillation
- Title(参考訳): 知識蒸留法によるヨロV5を用いたシトラ果実の収量評価
- Authors: Yuqi Li, Yuting He, Yihang Zhou, Zirui Gong and Renjie Huang
- Abstract要約: 果樹栽培の分野では,果実の貯蔵・価格評価において,収穫前収穫量の算定が重要である。
そこで本研究では,キツネ属の果樹に対して,コンピュータビジョンに基づく実数と収量評価法を提案する。
実験により, 提案手法は果実を正確に数え, 収率を近似できることがわかった。
- 参考スコア(独自算出の注目度): 5.585209836203215
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the field of planting fruit trees, pre-harvest estimation of fruit yield
is important for fruit storage and price evaluation. However, considering the
cost, the yield of each tree cannot be assessed by directly picking the
immature fruit. Therefore, the problem is a very difficult task. In this paper,
a fruit counting and yield assessment method based on computer vision is
proposed for citrus fruit trees as an example. Firstly, images of single fruit
trees from different angles are acquired and the number of fruits is detected
using a deep Convolutional Neural Network model YOLOv5, and the model is
compressed using a knowledge distillation method. Then, a linear regression
method is used to model yield-related features and evaluate yield. Experiments
show that the proposed method can accurately count fruits and approximate the
yield.
- Abstract(参考訳): 果樹栽培の分野では,果実収量の前収穫量の推定が果樹の貯蔵と価格評価に重要である。
しかし、コストを考慮すると、未熟果実を直接摘み取ることで各木の収量を評価することはできない。
そのため、この問題は非常に難しい課題である。
本稿では,キツネ属の果実を例として,コンピュータビジョンに基づく実数と収量評価法を提案する。
まず、異なる角度からの単果樹の画像を取得し、深部畳み込みニューラルネットワークモデルYOLOv5を用いて果実数を検出し、知識蒸留法を用いてモデルを圧縮する。
次に, 線形回帰法を用いて収量に関する特徴をモデル化し, 収量を評価する。
実験により, 提案手法は果実を正確に数え, 収率を近似できることがわかった。
関連論文リスト
- Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。
我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
論文 参考訳(メタデータ) (2024-11-07T22:29:05Z) - A pipeline for multiple orange detection and tracking with 3-D fruit
relocalization and neural-net based yield regression in commercial citrus
orchards [0.0]
本稿では,パイプラインとして実装されたビデオの果実数を利用した非侵襲的な代替手段を提案する。
そこで本研究では, 果実位置の3次元推定を利用した再局在化成分を導入する。
果実の少なくとも30%を正確に検出・追跡・数えることにより, 収率回帰器の精度は0.85である。
論文 参考訳(メタデータ) (2023-12-27T21:22:43Z) - Vision-Based Cranberry Crop Ripening Assessment [1.8434042562191815]
この研究は、コンピュータビジョンを用いた熟成の定量的評価において、最初のものである。
ワインのブドウ、オリーブ、ブルーベリー、トウモロコシなどクランベリー以外の作物にも影響がある。
論文 参考訳(メタデータ) (2023-08-31T14:58:11Z) - 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) - Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。
私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
論文 参考訳(メタデータ) (2022-10-24T14:37:09Z) - Apple Counting using Convolutional Neural Networks [22.504279159923765]
果樹園のような現実の環境でのイメージから、正確で信頼性の高い果実や野菜の数を推定することは、難しい問題である。
コンボリューショナルニューラルネットワークを訓練することにより,画像から果実を数えることを多クラス分類問題として定式化し,その問題を解決する。
当社のネットワークは、最大94%の精度で、4つのデータセットのうち3つでパフォーマンスを向上しています。
論文 参考訳(メタデータ) (2022-08-24T14:13:40Z) - End-to-end deep learning for directly estimating grape yield from
ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。
オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。
本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文 参考訳(メタデータ) (2022-08-04T01:34:46Z) - A methodology for detection and localization of fruits in apples
orchards from aerial images [0.0]
本研究は, 空中画像を用いた自動果物カウント手法を提案する。
複数のビュー形状に基づくアルゴリズムが含まれており、果物の追跡を行う。
予備評価では,リンゴの果実数と実収率との間に0.8以上の相関が認められた。
論文 参考訳(メタデータ) (2021-10-24T01:57:52Z) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳(メタデータ) (2021-06-14T21:57:40Z) - A procedure for automated tree pruning suggestion using LiDAR scans of
fruit trees [0.0]
果樹栽培において、刈り込みは過密化を防ぎ、光への天蓋のアクセスを改善し、再成長を促進するための重要な管理手法である。
本稿では,LiDARをスキャンした市販果樹の採種戦略を採点関数を用いて提案する枠組みを提案する。
光の分布は25.15%向上し、実木での商業的な刈り取りよりも16%向上した。
論文 参考訳(メタデータ) (2021-02-07T02:18:56Z) - A CNN Approach to Simultaneously Count Plants and Detect Plantation-Rows
from UAV Imagery [56.10033255997329]
畳み込みニューラルネットワーク(CNN)を用いた新しい深層学習手法を提案する。
高度に乾燥したプランテーション構成を考慮した植物を数えながら、同時にプランテーション・ロウを検出し、配置する。
提案手法は、異なる種類の作物のUAV画像において、植物と植物をカウントおよびジオロケートするための最先端の性能を達成した。
論文 参考訳(メタデータ) (2020-12-31T18:51:17Z)
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。