論文の概要: CNN-based solution for mango classification in agricultural environments
- arxiv url: http://arxiv.org/abs/2507.23174v1
- Date: Thu, 31 Jul 2025 00:58:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-01 17:19:08.921536
- Title: CNN-based solution for mango classification in agricultural environments
- Title(参考訳): 農業環境におけるマンゴー分類のためのCNNに基づくソリューション
- Authors: Beatriz Díaz Peón, Jorge Torres Gómez, Ariel Fajardo Márquez,
- Abstract要約: 本稿では,コンボリューショナルニューラルネットワーク(CNN)を用いた果実検出・分類システムの設計を実証する。
農業在庫管理のための果実の質を自動的に評価するシステムを開発することが目的である。
- 参考スコア(独自算出の注目度): 1.2248397169100782
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This article exemplifies the design of a fruit detection and classification system using Convolutional Neural Networks (CNN). The goal is to develop a system that automatically assesses fruit quality for farm inventory management. Specifically, a method for mango fruit classification was developed using image processing, ensuring both accuracy and efficiency. Resnet-18 was selected as the preliminary architecture for classification, while a cascade detector was used for detection, balancing execution speed and computational resource consumption. Detection and classification results were displayed through a graphical interface developed in MatLab App Designer, streamlining system interaction. The integration of convolutional neural networks and cascade detectors proffers a reliable solution for fruit classification and detection, with potential applications in agricultural quality control.
- Abstract(参考訳): 本稿では,コンボリューショナルニューラルネットワーク(CNN)を用いた果実検出・分類システムの設計を実証する。
農業在庫管理のための果実の質を自動的に評価するシステムを開発することが目的である。
具体的には, 画像処理を用いてマンゴー果実の分類法を開発し, 精度と効率を両立させた。
Resnet-18は予備的な分類アーキテクチャとして選ばれ、カスケード検出器は検出、実行速度と計算資源消費のバランスをとるために使用された。
MatLab App Designerで開発されたグラフィカルインターフェースを通じて,システムインタラクションの合理化による検出と分類結果を表示する。
畳み込みニューラルネットワークとカスケード検出器の統合により、果物の分類と検出の信頼性の高いソリューションが得られ、農業品質管理に潜在的な応用が期待できる。
関連論文リスト
- Automated Multi-Class Crop Pathology Classification via Convolutional Neural Networks: A Deep Learning Approach for Real-Time Precision Agriculture [0.0]
本研究では,コンボリューショナルニューラルネットワーク(CNN)を用いた画像分類システムを提案する。
このソリューションは、オープンソースでモバイル互換のプラットフォーム上にデプロイされ、リモートエリアの農家に対してリアルタイムの画像ベースの診断を可能にする。
論文 参考訳(メタデータ) (2025-07-12T18:45:50Z) - An Improved CNN-based Neural Network Model for Fruit Sugar Level Detection [24.07349410158827]
我々は,果実の可視/近赤外(V/NIR)スペクトルに基づいて,ニューラルネットワーク(ANN)を用いた果実糖度推定のための回帰モデルを構築した。
果実糖濃度を検出対象として,Gan Nan Navel と Tian Shan Pear の2種類の果実データを収集し,その比較実験を行った。
論文 参考訳(メタデータ) (2023-11-18T17:07:25Z) - Defect Classification in Additive Manufacturing Using CNN-Based Vision
Processing [76.72662577101988]
本稿では、まず、畳み込みニューラルネットワーク(CNN)を用いて、画像データセットの欠陥をAMから第2に正確に分類し、発達した分類モデルにアクティブラーニング技術を適用する。
これにより、トレーニングデータやトレーニングデータの生成に必要なデータのサイズを削減できる、ヒューマン・イン・ザ・ループ機構の構築が可能になる。
論文 参考訳(メタデータ) (2023-07-14T14:36:58Z) - Fruit Quality Assessment with Densely Connected Convolutional Neural
Network [0.0]
我々はDensely Connected Convolutional Neural Networks(DenseNets)の概念を果物の品質評価に活用した。
提案されたパイプラインは99.67%の精度を達成した。
さらに,同モデルが同様の性能を示す果実分類および品質評価タスクにおいて,モデルの堅牢性をさらに検証した。
論文 参考訳(メタデータ) (2022-12-08T13:11:47Z) - 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) - Measuring the Ripeness of Fruit with Hyperspectral Imaging and Deep
Learning [14.853897011640022]
本稿では,ハイパースペクトルカメラとディープニューラルネットワークアーキテクチャを用いて果実の熟度を計測するシステムを提案する。
このアーキテクチャは、成熟状態の予測において、競合するベースラインモデルに勝った。
論文 参考訳(メタデータ) (2021-04-20T07:43:19Z) - Learning CNN filters from user-drawn image markers for coconut-tree
image classification [78.42152902652215]
本稿では,CNNの特徴抽出器を訓練するために,最小限のユーザ選択画像を必要とする手法を提案する。
本手法は,クラスを識別する画像領域のユーザ描画マーカーから,各畳み込み層のフィルタを学習する。
バックプロパゲーションに基づく最適化には依存せず、ココナッツツリー空中画像のバイナリ分類にその利点を実証する。
論文 参考訳(メタデータ) (2020-08-08T15:50:23Z) - Fine-Grained Visual Classification with Efficient End-to-end
Localization [49.9887676289364]
本稿では,エンド・ツー・エンドの設定において,分類ネットワークと融合可能な効率的なローカライゼーションモジュールを提案する。
我々は,CUB200-2011,Stanford Cars,FGVC-Aircraftの3つのベンチマークデータセット上で,新しいモデルを評価する。
論文 参考訳(メタデータ) (2020-05-11T14:07:06Z) - Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant
Disease Diagnosis [64.82680813427054]
植物病は食料安全保障と作物生産に対する主要な脅威の1つである。
1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。
本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2020-03-17T09:51:30Z)
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。