論文の概要: The RaspGrade Dataset: Towards Automatic Raspberry Ripeness Grading with Deep Learning

• arxiv url: http://arxiv.org/abs/2505.08537v1
• Date: Tue, 13 May 2025 13:07:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.575587
• Title: The RaspGrade Dataset: Towards Automatic Raspberry Ripeness Grading with Deep Learning
• Title（参考訳）: RaspGradeデータセット - ディープラーニングによるRaspberry Ripenessの自動グレーディングを目指す
• Authors: Mohamed Lamine Mekhalfi, Paul Chippendale, Fabio Poiesi, Samuele Bonecher, Gilberto Osler, Nicola Zancanella,
• Abstract要約: 本研究では,コンピュータビジョンの食品品質評価への応用について検討した。 コンベアベルトに沿って果物が移動するにつれて、産業環境の中で5つの異なるクラスに格付けするリアルタイムラズベリーという新しい挑戦に焦点を当てている。
• 参考スコア（独自算出の注目度）: 3.0276416802516466
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This research investigates the application of computer vision for rapid, accurate, and non-invasive food quality assessment, focusing on the novel challenge of real-time raspberry grading into five distinct classes within an industrial environment as the fruits move along a conveyor belt. To address this, a dedicated dataset of raspberries, namely RaspGrade, was acquired and meticulously annotated. Instance segmentation experiments revealed that accurate fruit-level masks can be obtained; however, the classification of certain raspberry grades presents challenges due to color similarities and occlusion, while others are more readily distinguishable based on color. The acquired and annotated RaspGrade dataset is accessible on HuggingFace at: https://huggingface.co/datasets/FBK-TeV/RaspGrade.
• Abstract（参考訳）: 本研究は, コンベアベルトに沿って果実が移動すると, 産業環境において, リアルタイムラズベリーを5つの異なるクラスに格付けするという新たな課題に焦点をあてて, 迅速な, 正確かつ非侵襲的な食品品質評価へのコンピュータビジョンの適用について検討する。 これを解決するために、RaspGradeと呼ばれるラズベリーの専用データセットが取得され、慎重に注釈付けされた。 しかし、特定のラズベリーグレードの分類は、色類似性や隠蔽性によって困難を呈し、他のものは色に基づいてより容易に区別できる。 取得および注釈付きRaspGradeデータセットは、HuggingFaceのhttps://huggingface.co/datasets/FBK-TeV/RaspGradeでアクセスすることができる。

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)
• Raspberry PhenoSet: A Phenology-based Dataset for Automated Growth Detection and Yield Estimation [1.2661567777618703]
  7つの発達段階にまたがるラズベリー果実の検出とセグメンテーションのための表現学ベースのデータセットであるRaspberry PhenoSetを紹介した。 このデータセットには1,853枚の高解像度画像が含まれており、これは文学の中で最高品質であり、垂直農場で制御された人工照明の下で撮影された。 YOLOv8, YOLOv10, RT-DETR, Mask R-CNNなど,最先端のディープラーニングモデルをベンチマークして, データセットのパフォーマンスを総合的に評価した。
  論文  参考訳（メタデータ） (2024-11-01T18:34:26Z)
• 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)
• Convolutional Neural Network Ensemble Learning for Hyperspectral Imaging-based Blackberry Fruit Ripeness Detection in Uncontrolled Farm Environment [4.292727554656705]
  本稿では,ブラックベリー果実の熟しやすさの微妙な特徴を検出するために,新しいマルチインプット畳み込みニューラルネットワーク(CNN)アンサンブル分類器を提案する。 提案したモデルは、未確認セットで95.1%の精度、フィールド条件で90.2%の精度を達成した。
  論文  参考訳（メタデータ） (2024-01-09T12:00:17Z)
• 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)
• Swapping Semantic Contents for Mixing Images [44.0283695495163]
  データ拡張の混合は通常、クラス間のサンプルを無差別に混合するため、ラベル付きサンプルを新たに生成しない。 我々は、画像背景にセマンティックスタイルのコードを埋め込むジェネレータを学ぶことができるSciMixフレームワークを紹介した。 我々は,SciMixが非セマンティックな両親から多くの特徴を継承する新規な混合サンプルを産み出すことを示した。
  論文  参考訳（メタデータ） (2022-05-20T13:07:27Z)
• BatchFormer: Learning to Explore Sample Relationships for Robust Representation Learning [93.38239238988719]
  本稿では,各ミニバッチからサンプル関係を学習可能なディープニューラルネットワークを提案する。 BatchFormerは各ミニバッチのバッチ次元に適用され、トレーニング中のサンプル関係を暗黙的に探索する。 我々は10以上のデータセットに対して広範な実験を行い、提案手法は異なるデータ不足アプリケーションにおいて大幅な改善を実現する。
  論文  参考訳（メタデータ） (2022-03-03T05:31:33Z)
• Smoothed Embeddings for Certified Few-Shot Learning [63.68667303948808]
  我々はランダムな平滑化を数ショットの学習モデルに拡張し、入力を正規化された埋め込みにマッピングする。 この結果は、異なるデータセットの実験によって確認される。
  論文  参考訳（メタデータ） (2022-02-02T18:19:04Z)
• Conditional Variational Capsule Network for Open Set Recognition [64.18600886936557]
  オープンセット認識では、分類器はトレーニング時に未知の未知のクラスを検出する必要がある。 最近提案されたカプセルネットワークは、特に画像認識において、多くの分野で代替案を上回ることが示されている。 本提案では,訓練中,同じ既知のクラスのカプセルの特徴を,事前に定義されたガウス型に適合させることを推奨する。
  論文  参考訳（メタデータ） (2021-04-19T09:39:30Z)
• Fine-Grain Few-Shot Vision via Domain Knowledge as Hyperspherical Priors [79.22051549519989]
  プロトタイプネットワークは、コンピュータビジョンにおいて、数ショットの学習タスクでうまく機能することが示されている。 ドメイン知識を情報的先行要素として取り入れつつ,クラスを最大限に分離することで,数発の微粒化を実現する方法を示す。
  論文  参考訳（メタデータ） (2020-05-23T02:10:57Z)
• DivideMix: Learning with Noisy Labels as Semi-supervised Learning [111.03364864022261]
  ノイズラベルを学習するためのフレームワークであるDivideMixを提案する。 複数のベンチマークデータセットの実験は、最先端の手法よりも大幅に改善されている。
  論文  参考訳（メタデータ） (2020-02-18T06:20:06Z)

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。