論文の概要: Dual-band feature selection for maturity classification of specialty crops by hyperspectral imaging

• arxiv url: http://arxiv.org/abs/2405.09955v2
• Date: Fri, 17 May 2024 08:35:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-20 11:46:25.039617
• Title: Dual-band feature selection for maturity classification of specialty crops by hyperspectral imaging
• Title（参考訳）: ハイパースペクトルイメージングによる特殊作物の成熟度分類のためのデュアルバンド特徴選択
• Authors: Usman A. Zahidi, Krystian Łukasik, Grzegorz Cielniak,
• Abstract要約: イチゴやトマトなどの特産作物の成熟度分類は、農業の下流における重要な活動である。 近年のDeep Learningの進歩は、成熟度分類のためのカラー画像の奨励的な結果を生み出している。 成熟度分類のための特徴抽出法を提案する。
• 参考スコア（独自算出の注目度）: 5.905721043072562
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The maturity classification of specialty crops such as strawberries and tomatoes is an essential agricultural downstream activity for selective harvesting and quality control (QC) at production and packaging sites. Recent advancements in Deep Learning (DL) have produced encouraging results in color images for maturity classification applications. However, hyperspectral imaging (HSI) outperforms methods based on color vision. Multivariate analysis methods and Convolutional Neural Networks (CNN) deliver promising results; however, a large amount of input data and the associated preprocessing requirements cause hindrances in practical application. Conventionally, the reflectance intensity in a given electromagnetic spectrum is employed in estimating fruit maturity. We present a feature extraction method to empirically demonstrate that the peak reflectance in subbands such as 500-670 nm (pigment band) and the wavelength of the peak position, and contrarily, the trough reflectance and its corresponding wavelength within 671-790 nm (chlorophyll band) are convenient to compute yet distinctive features for the maturity classification. The proposed feature selection method is beneficial because preprocessing, such as dimensionality reduction, is avoided before every prediction. The feature set is designed to capture these traits. The best SOTA methods, among 3D-CNN, 1D-CNN, and SVM, achieve at most 90.0 % accuracy for strawberries and 92.0 % for tomatoes on our dataset. Results show that the proposed method outperforms the SOTA as it yields an accuracy above 98.0 % in strawberry and 96.0 % in tomato classification. A comparative analysis of the time efficiency of these methods is also conducted, which shows the proposed method performs prediction at 13 Frames Per Second (FPS) compared to the maximum 1.16 FPS attained by the full-spectrum SVM classifier.
• Abstract（参考訳）: イチゴやトマトなどの特産作物の成熟度分類は、生産・包装現場における選別収穫・品質管理(QC)に欠かせない農業的下流活動である。 近年のDeep Learning (DL) の進歩は、成熟度分類のためのカラー画像の奨励的な結果を生み出している。 しかし、高スペクトルイメージング(HSI)は色覚に基づく手法よりも優れている。 多変量解析法と畳み込みニューラルネットワーク(CNN)は有望な結果をもたらすが、大量の入力データとそれに関連する前処理要求が実用的な応用において障害を引き起こす。 従来、所定の電磁スペクトルの反射強度は、果実の成熟度を推定するために用いられる。 本稿では,500-670nm(ピグメントバンド)やピーク位置の波長などのサブバンドのピーク反射率と,651-790nm(クロロフィルバンド)のトラフ反射率とその対応する波長が,成熟度分類に有用であることを示す特徴抽出法を提案する。 提案手法は,各予測に先立って,次元減少などの前処理を回避できるため,有効である。 機能セットは、これらの特徴をキャプチャするために設計されている。 3D-CNN, 1D-CNN, SVMで最高のSOTA法は, イチゴの90.0%, データセット上のトマトの92.0%の精度で達成できる。 提案法は, イチゴの98.0%, トマトの96.0%以上の精度でSOTAより優れていた。 また,本手法の時間効率の比較分析を行い,フルスペクトルSVM分類器で得られた最大1.16 FPSと比較して,提案手法は秒間13フレーム(FPS)で予測を行うことを示した。

関連論文リスト

• Enhancing Apple's Defect Classification: Insights from Visible Spectrum and Narrow Spectral Band Imaging [0.0]
  本研究は, リンゴの欠陥の分類を, 経済的損失を軽減し, 食品サプライチェーンを最適化するための重要な手段として扱う。 可視光と660nmの波長の画像を統合して、欠陥分類の精度と効率を高める革新的なアプローチが採用されている。
  論文  参考訳（メタデータ） (2024-10-14T21:37:26Z)
• Data Augmentation via Latent Diffusion for Saliency Prediction [67.88936624546076]
  残差予測モデルはラベル付きデータの限られた多様性と量によって制約される。 本研究では,実世界のシーンの複雑さと変動性を保ちながら,自然画像の編集を行うディープ・サリエンシ・予測のための新しいデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2024-09-11T14:36:24Z)
• High-Throughput Phenotyping using Computer Vision and Machine Learning [0.0]
  我々はオークリッジ国立研究所が提供した1,672枚のPopulus Trichocarpaの画像と白ラベルで治療を行った。 光文字認識(OCR)は、植物上でこれらのラベルを読むために用いられた。 機械学習モデルを用いて,これらの分類に基づいて処理を予測し,解析されたEXIFタグを用いて葉の大きさと表現型間の相関を見いだした。
  論文  参考訳（メタデータ） (2024-07-08T19:46:31Z)
• Deep learning for automated detection of breast cancer in deep ultraviolet fluorescence images with diffusion probabilistic model [6.658963545934998]
  拡散確率モデル(DPM)は高品質な画像を生成する可能性を示している。 本稿では,乳がん分類の改善を目的とした深部紫外線蛍光(DUV)画像データセットの増強にDPMを適用した。
  論文  参考訳（メタデータ） (2024-07-01T05:00:26Z)
• Multi-scale Spatio-temporal Transformer-based Imbalanced Longitudinal Learning for Glaucoma Forecasting from Irregular Time Series Images [45.894671834869975]
  緑内障は、進行性視神経線維損傷と不可逆性失明を引き起こす主要な眼疾患の1つである。 逐次画像入力に適した変換器アーキテクチャに基づくマルチスケール時空間変換器ネットワーク(MST-former)を提案する。 本手法は, 軽度認知障害とアルツハイマー病の予測に90.3%の精度で, アルツハイマー病神経画像イニシアチブ(ADNI)MRIデータセットに優れた一般化能力を示す。
  論文  参考訳（メタデータ） (2024-02-21T02:16:59Z)
• Generating high-quality 3DMPCs by adaptive data acquisition and NeREF-based radiometric calibration with UGV plant phenotyping system [3.7387019397567793]
  本研究では, 適応データ取得とラジオメトリックキャリブレーションにより高品質な3DMPCを生産する手法を提案する。 プラント全体のデータの完全性は、固定された視点のみと比較して平均23.6%向上した。 3Dキャリブレーションプラント3DMPCは、クロロフィル含有量のPLSRの予測精度を向上し、R2では平均0.07、RMSEでは平均21.25%向上した。
  論文  参考訳（メタデータ） (2023-05-11T12:59:21Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• MetaRF: Differentiable Random Forest for Reaction Yield Prediction with a Few Trails [58.47364143304643]
  本稿では,反応収率予測問題に焦点をあてる。 筆者らはまず,数発の収量予測のために特別に設計された,注意に基づく識別可能なランダム森林モデルであるMetaRFを紹介した。 数発の学習性能を改善するために,さらに次元還元に基づくサンプリング手法を導入する。
  論文  参考訳（メタデータ） (2022-08-22T06:40:13Z)
• Generative models-based data labeling for deep networks regression: application to seed maturity estimation from UAV multispectral images [3.6868861317674524]
  種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。 従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。 マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法の提案と,自動ラベリングのための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-09T09:06:51Z)
• 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 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。