論文の概要: A Two-Stage Detection-Tracking Framework for Stable Apple Quality Inspection in Dense Conveyor-Belt Environments

• arxiv url: http://arxiv.org/abs/2602.19278v1
• Date: Sun, 22 Feb 2026 17:24:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.562085
• Title: A Two-Stage Detection-Tracking Framework for Stable Apple Quality Inspection in Dense Conveyor-Belt Environments
• Title（参考訳）: 密度コンベヤベルト環境における安定したApple品質検査のための2段階検出追跡フレームワーク
• Authors: Keonvin Park, Aditya Pal, Jin Hong Mok,
• Abstract要約: インダストリアルフルーツ検査システムは、密集した多目的相互作用と連続運動の下で確実に動作する必要がある。 本研究では,コンベアベルト環境における安定なマルチアップル品質検査のための2段階検出追跡フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.2366840032676479
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Industrial fruit inspection systems must operate reliably under dense multi-object interactions and continuous motion, yet most existing works evaluate detection or classification at the image level without ensuring temporal stability in video streams. We present a two-stage detection-tracking framework for stable multi-apple quality inspection in conveyor-belt environments. An orchard-trained YOLOv8 model performs apple localization, followed by ByteTrack multi-object tracking to maintain persistent identities. A ResNet18 defect classifier, fine-tuned on a healthy-defective fruit dataset, is applied to cropped apple regions. Track-level aggregation is introduced to enforce temporal consistency and reduce prediction oscillation across frames. We define video-level industrial metrics such as track-level defect ratio and temporal consistency to evaluate system robustness under realistic processing conditions. Results demonstrate improved stability compared to frame-wise inference, suggesting that integrating tracking is essential for practical automated fruit grading systems.
• Abstract（参考訳）: 産業果物検査システムは密集した多目的相互作用と連続的な動きの下で確実に動作する必要があるが、既存のほとんどの研究は、ビデオストリームの時間的安定性を確保することなく、画像レベルでの検出や分類を評価する必要がある。 本研究では,コンベアベルト環境における安定なマルチアップル品質検査のための2段階検出追跡フレームワークを提案する。 果樹園で訓練されたYOLOv8モデルはリンゴのローカライゼーションを行い、続いてByteTrackのマルチオブジェクトトラッキングによって永続的なアイデンティティが維持される。 ResNet18欠陥分類器は、リンゴの収穫領域に適用される。 トラックレベルのアグリゲーションは、時間的一貫性を強制し、フレーム間の予測振動を低減するために導入された。 現実的な処理条件下でのシステムの堅牢性を評価するため,トラックレベルの欠陥率や時間的一貫性といったビデオレベルの産業指標を定義した。 その結果、フレームワイド推論よりも安定性が向上し、自動果物選別システムにおいてトラッキングの統合が不可欠であることが示唆された。

関連論文リスト

• Detecting Object Tracking Failure via Sequential Hypothesis Testing [80.7891291021747]
  ビデオにおけるリアルタイムのオンラインオブジェクト追跡は、コンピュータビジョンにおける中核的なタスクである。 本稿では,物体追跡を逐次的仮説テストとして解釈することを提案する。 本研究では,地中追跡情報と内部追跡情報の両方を活用することにより,教師なしと教師なしの両方の変種を提案する。
  論文  参考訳（メタデータ） (2026-02-13T14:57:15Z)
• Detection of Misreporting Attacks on Software-Defined Immersive Environments [0.0]
  Software-Defined Networking (SDN)は没入型環境のような新興アプリケーションに最適である。 スイッチミスレポートのような新たな脆弱性は、負荷の不均衡を招き、そのような没入環境を深刻な品質劣化に対して脆弱にする。 我々は、このようなステルスな誤レポートを識別するハイブリッド機械学習(ML)ベースのネットワーク異常検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-22T17:14:40Z)
• SVeritas: Benchmark for Robust Speaker Verification under Diverse Conditions [54.34001921326444]
  話者検証(SV)モデルは、セキュリティ、パーソナライゼーション、アクセス制御システムにますます統合されている。 既存のベンチマークでは、これらの条件のサブセットのみを評価しており、他は完全に欠落している。 SVeritasは、録音時間、自発性、コンテンツ、ノイズ、マイクロホン距離、残響、チャンネルミスマッチ、オーディオ帯域幅、コーデック、話者年齢、スプーフィングおよび敵攻撃に対する感受性などのストレス下でのSVシステムの評価を行う総合的な話者検証タスクベンチマークスイートである。
  論文  参考訳（メタデータ） (2025-09-21T14:11:16Z)
• Cumulative Consensus Score: Label-Free and Model-Agnostic Evaluation of Object Detectors in Deployment [3.6178660238507843]
  オブジェクト検出モデルをデプロイで評価することは難しい。 実環境における検知器の連続的な監視と比較を可能にするラベルフリーメトリックであるCumulative Consensus Score (CCS)を紹介した。
  論文  参考訳（メタデータ） (2025-09-16T09:24:37Z)
• Automated Model Evaluation for Object Detection via Prediction Consistency and Reliability [3.9486037760311725]
  PCR (Predict Consistency and Reliability) は, 地味ラベルを使わずに検出性能を推定する。 我々は、様々な重度の画像汚職を適用して、メタデータセットを構築する。 その結果,PCRは既存のAutoEval法よりも精度の高い性能推定値が得られることがわかった。
  論文  参考訳（メタデータ） (2025-08-16T15:39:56Z)
• CNS-Bench: Benchmarking Image Classifier Robustness Under Continuous Nuisance Shifts [78.79936076607373]
  我々は,連続ニュアンスシフトベンチマークであるCNS-Benchを導入し,連続かつ現実的なニュアンスシフトのための画像分類器の堅牢性を定量化する。 本稿では,従来の手法よりも優れたフィルタリング機構を提案し,生成モデルによる信頼性の高いベンチマークを可能にする。
  論文  参考訳（メタデータ） (2025-07-23T16:15:48Z)
• A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
  本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。 工業画像から抽出した55個の特徴を統計的手法を用いて解析した。 これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
  論文  参考訳（メタデータ） (2024-12-11T22:12:21Z)
• Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
  Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。 ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
  論文  参考訳（メタデータ） (2021-03-18T08:47:56Z)

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。