論文の概要: Fruit Picker Activity Recognition with Wearable Sensors and Machine Learning

• arxiv url: http://arxiv.org/abs/2304.10068v1
• Date: Thu, 20 Apr 2023 03:38:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-21 14:26:57.787849
• Title: Fruit Picker Activity Recognition with Wearable Sensors and Machine Learning
• Title（参考訳）: ウェアラブルセンサと機械学習を用いた果実ピッカー活動認識
• Authors: Joel Janek Dabrowski and Ashfaqur Rahman
• Abstract要約: 本稿では,ウェアラブルセンサから生成された時系列データに基づいて,果物の摘み取り活動を検出する新しい手法を提案する。 農家や経営者にとって、収穫箱をより効果的に管理するためには、ピッカーバッグが空になったときの知識が重要である。 本研究では,ウェアラブルセンサと機械学習を用いた人間の行動認識を用いて,バッグ空きイベントを検出する手法を提案する。
• 参考スコア（独自算出の注目度）: 1.9036571490366496
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper we present a novel application of detecting fruit picker activities based on time series data generated from wearable sensors. During harvesting, fruit pickers pick fruit into wearable bags and empty these bags into harvesting bins located in the orchard. Once full, these bins are quickly transported to a cooled pack house to improve the shelf life of picked fruits. For farmers and managers, the knowledge of when a picker bag is emptied is important for managing harvesting bins more effectively to minimise the time the picked fruit is left out in the heat (resulting in reduced shelf life). We propose a means to detect these bag-emptying events using human activity recognition with wearable sensors and machine learning methods. We develop a semi-supervised approach to labelling the data. A feature-based machine learning ensemble model and a deep recurrent convolutional neural network are developed and tested on a real-world dataset. When compared, the neural network achieves 86% detection accuracy.
• Abstract（参考訳）: 本稿では,ウェアラブルセンサから生成された時系列データに基づいて,果実のピッカー活動を検出する新しい応用法を提案する。 収穫中、果物のピッカーは果物をウェアラブル袋に入れ、これらの袋を果樹園の収穫箱に空にします。 ひとたび満杯になると、これらのビンはすぐに冷却されたパックハウスに運ばれ、摘み取った果物の棚の寿命が向上する。 農家や経営者にとって、収穫箱の管理にピッカーバッグが空になったときの知識が重要であり、収穫した果実が熱中(棚の寿命を減らした)に消耗する時間を最小化できる。 本研究では,ウェアラブルセンサと機械学習を用いた人間の行動認識を用いて,バッグ空きイベントを検出する手法を提案する。 データのラベル付けのための半教師付きアプローチを開発する。 実世界のデータセット上で、特徴に基づく機械学習アンサンブルモデルと深い再帰的畳み込みニューラルネットワークを開発し、テストする。 比較すると、ニューラルネットワークは検出精度が86%に達する。

関連論文リスト

• Horticultural Temporal Fruit Monitoring via 3D Instance Segmentation and Re-Identification using Point Clouds [29.23207854514898]
  本稿では,温室で収集した点群に時間とともに対処する,時間的果実モニタリングのための新しいアプローチを提案する。 本手法は,学習に基づくインスタンスセグメンテーション手法を用いて実の節分をポイントクラウド上で直接行う。 実のイチゴのデータセットを用いた実験結果から,本手法は果実の再同定方法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-12T13:53:22Z)
• Enhancing Fruit and Vegetable Detection in Unconstrained Environment with a Novel Dataset [4.498047714838568]
  本稿では,実環境における果実や野菜の検出とローカライズのためのエンドツーエンドパイプラインを提案する。 我々はFRUVEG67というデータセットをキュレートした。このデータセットには、制約のないシナリオでキャプチャされた67種類の果物や野菜の画像が含まれている。 Fruit and Vegetable Detection Network (FVDNet) は3つの異なるグリッド構成を持つYOLOv7のアンサンブルバージョンである。
  論文  参考訳（メタデータ） (2024-09-20T08:46:03Z)
• 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)
• A noisy elephant in the room: Is your out-of-distribution detector robust to label noise? [49.88894124047644]
  我々は、最先端のOOD検出方法20について詳しく検討する。 不正に分類されたIDサンプルとOODサンプルの分離が不十分であることを示す。
  論文  参考訳（メタデータ） (2024-04-02T09:40:22Z)
• 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)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• 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)
• 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)
• 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)
• Dataset and Performance Comparison of Deep Learning Architectures for Plum Detection and Robotic Harvesting [3.7692411550925673]
  実際のロボット梅収穫システムの昼夜動作中に2つの新しいデータセットが収集される。 これらに対して、現在の世代のディープラーニングオブジェクト検出器をベンチマークする。 深度情報と画像情報を融合する2つの手法が検出器性能に与える影響を検証した。
  論文  参考訳（メタデータ） (2021-05-09T04:18:58Z)
• Automatic Recall Machines: Internal Replay, Continual Learning and the Brain [104.38824285741248]
  ニューラルネットワークのリプレイには、記憶されたサンプルを使ってシーケンシャルなデータのトレーニングが含まれる。 本研究では,これらの補助サンプルをフライ時に生成する手法を提案する。 代わりに、評価されたモデル自体内の学習したサンプルの暗黙の記憶が利用されます。
  論文  参考訳（メタデータ） (2020-06-22T15:07:06Z)

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。