論文の概要: Detection of Tomato Ripening Stages using Yolov3-tiny

• arxiv url: http://arxiv.org/abs/2302.00164v1
• Date: Wed, 1 Feb 2023 00:57:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-02 13:43:06.661774
• Title: Detection of Tomato Ripening Stages using Yolov3-tiny
• Title（参考訳）: Yolov3-tinyを用いたトマト熟成期の検出
• Authors: Gerardo Antonio Alvarez Hern\'andez, Juan Carlos Olguin, Juan Irving Vasquez, Abril Valeria Uriarte, Maria Claudia Villica\~na Torres
• Abstract要約: トマトの分類と検出にはニューラルネットワークを用いたモデルを用いる。 実験の結果, カスタムデータセットにおける熟成段階の局在と分類において, f1スコアは90.0%であった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: One of the most important agricultural products in Mexico is the tomato (Solanum lycopersicum), which occupies the 4th place national most produced product . Therefore, it is necessary to improve its production, building automatic detection system that detect, classify an keep tacks of the fruits is one way to archieve it. So, in this paper, we address the design of a computer vision system to detect tomatoes at different ripening stages. To solve the problem, we use a neural network-based model for tomato classification and detection. Specifically, we use the YOLOv3-tiny model because it is one of the lightest current deep neural networks. To train it, we perform two grid searches testing several combinations of hyperparameters. Our experiments showed an f1-score of 90.0% in the localization and classification of ripening stages in a custom dataset.
• Abstract（参考訳）: メキシコで最も重要な農産物の1つはトマト(Solanum lycopersicum)であり、国内第4位である。 そのため、生産の改善が必要であり、果実の保存タックを検知、分類する自動検出システムを構築することは、それをアーカイブする一つの方法である。 そこで本稿では,異なる熟成段階におけるトマト検出のためのコンピュータビジョンシステムの設計について述べる。 そこで我々は,トマトの分類と検出にニューラルネットワークを用いたモデルを用いた。 特に、yolov3-tinyモデルを使っているのは、最も軽い現在のディープニューラルネットワークの1つであるからです。 トレーニングには,複数のハイパーパラメータの組み合わせをテストする2つのグリッドサーチを実行する。 実験の結果, カスタムデータセットにおける熟成段階の局在と分類において, f1スコアは90.0%であった。

関連論文リスト

• Enhancing Plant Disease Detection: A Novel CNN-Based Approach with Tensor Subspace Learning and HOWSVD-MD [3.285994579445155]
  本稿では,トマト葉病の検出・分類のための最先端技術を紹介する。 本稿では,高次白色特異値分解(Higher-Order Whitened Singular Value Decomposition)と呼ばれる部分空間学習領域における高度なアプローチを提案する。 このイノベーティブな手法の有効性は、2つの異なるデータセットに関する包括的な実験を通じて厳密に検証された。
  論文  参考訳（メタデータ） (2024-05-30T13:46:56Z)
• Deep learning-based approach for tomato classification in complex scenes [0.8287206589886881]
  複雑な場面における深層学習に基づくトマト熟成モニタリング手法を提案する。 目的は、成熟したトマトを検出し、タイムリーに収穫することである。 実験は、さまざまな言語にまたがるトマトの状態を用いて、インターネットから収集された画像に基づいて行われる。
  論文  参考訳（メタデータ） (2024-01-26T18:33:57Z)
• Early and Accurate Detection of Tomato Leaf Diseases Using TomFormer [0.3169023552218211]
  本稿ではトマト葉病検出のためのトランスフォーマーモデルTomFormerを紹介する。 本稿では,視覚変換器と畳み込みニューラルネットワークを組み合わせた融合モデルを用いて,トマト葉病の検出手法を提案する。
  論文  参考訳（メタデータ） (2023-12-26T20:47:23Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Tomato Maturity Recognition with Convolutional Transformers [5.220581005698766]
  著者らは畳み込み変換器を用いたトマト成熟度分類の新しい手法を提案する。 KUTomaDataと呼ばれる新しいトマトデータセットは、トマトのセグメンテーションと分類のためのディープラーニングモデルをトレーニングするために設計されている。 著者らは、この畳み込みトランスフォーマーがトマト成熟度分類の最先端手法より優れていることを示した。
  論文  参考訳（メタデータ） (2023-07-04T07:33:53Z)
• 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)
• Evaluating the Single-Shot MultiBox Detector and YOLO Deep Learning Models for the Detection of Tomatoes in a Greenhouse [2.949270275392492]
  本稿では緑と赤みがかったトマトの注釈付き視覚データセットに寄与する。 ロボットプラットフォーム仕様を考えると、シングルショットマルチボックス検出器(SSD)とYOLOアーキテクチャのみを考慮した。 その結果、緑と赤みがかったトマトを検知できることがわかりました。
  論文  参考訳（メタデータ） (2021-09-02T09:39:12Z)
• TSGCNet: Discriminative Geometric Feature Learning with Two-Stream GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
  2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。 3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
  論文  参考訳（メタデータ） (2020-12-26T08:02:56Z)
• Comparisons among different stochastic selection of activation layers for convolutional neural networks for healthcare [77.99636165307996]
  ニューラルネットワークのアンサンブルを用いて生体医用画像の分類を行う。 ReLU, leaky ReLU, Parametric ReLU, ELU, Adaptive Piecewice Linear Unit, S-Shaped ReLU, Swish, Mish, Mexican Linear Unit, Parametric Deformable Linear Unit, Soft Root Sign。
  論文  参考訳（メタデータ） (2020-11-24T01:53:39Z)
• Semi-supervised deep learning based on label propagation in a 2D embedded space [117.9296191012968]
  提案されたソリューションは、少数の教師なしイメージから多数の教師なしイメージにラベルを伝達し、ディープニューラルネットワークモデルをトレーニングする。 本稿では、より正確なラベル付きサンプルを反復してセットから深層ニューラルネットワーク(VGG-16)をトレーニングするループを提案する。 ラベル付きセットがイテレーションに沿って改善されるにつれて、ニューラルネットワークの機能が改善される。
  論文  参考訳（メタデータ） (2020-08-02T20:08:54Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)

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。