論文の概要: Selective Spatio-Temporal Fruit Inspector (S$^2$FI): A Mamba-based Framework for Rotational Fruit Quality Assessment
- arxiv url: http://arxiv.org/abs/2610.12868v1
- Date: Fri, 09 Oct 2026 01:53:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.344231
- Title: Selective Spatio-Temporal Fruit Inspector (S$^2$FI): A Mamba-based Framework for Rotational Fruit Quality Assessment
- Title（参考訳）: 選択的時空間果実検査器(S$^2$FI):回転果実品質評価のためのマンバ系フレームワーク
- Abstract要約: 本研究は,ディープラーニングによって駆動される低コスト,高効率,軽量な果物選別システムを開発する。
本稿では,3次元畳み込みエンコーダとマンバをベースとしたバックボーンを組み合わせたSelective Spatio-Temporal Fruit Inspectorアーキテクチャを提案する。
手動の時間的特徴を効率的に抽出し、果物の回転中に情報的フレームを適応的に重み付けし、長期の複雑性依存性をモデル化する。
- 参考スコア（独自算出の注目度）: 18.545318011828574
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: The global fruit and vegetable industry confronts severe post-harvest sorting challenges for small and medium-scale growers. Large intelligent sorting systems are too costly, while manual sorting suffers from low efficiency, inconsistent standards, and high labor demand. To bridge this gap between expensive equipment and inefficient manual work, this study develops a low-cost, high-efficiency, lightweight fruit sorting system driven by deep learning, suitable for small and medium growers. We propose the Selective Spatio-Temporal Fruit Inspector (S$^2$FI) architecture, which combines a 3D convolutional encoder with a Mamba-based backbone.It efficiently extracts spatiotemporal features, adaptively weighs informative frames during fruit rotation, and models long-range dependencies with linear complexity, reducing motion blur and occlusion. The hardware uses a dual-conveyor and curved rail design, supporting household power, fast deployment, and lightweight embedded deployment to improve affordability. We also built a conveyor-based fruit quality video dataset with 6,460 samples. Experiments on the held-out test set show that our method achieves the best trade-off among accuracy, efficiency, and practicality, outperforming the compared baselines on the test set, achieving an excellent balance of accuracy, speed, and practicality for real-world sorting.
- Abstract（参考訳）: 世界の果物・野菜産業は、小規模・中規模の栽培者にとって厳しい収穫後の選別問題に直面している。
大規模なインテリジェントなソートシステムはコストがかかりすぎるが、手作業によるソートは、低効率、一貫性のない標準、高い労働需要に悩まされている。
高価な機器と非効率な手作業のギャップを埋めるため,本研究では,小規模・中小栽培者に適した,ディープラーニングによって駆動される低コストで高効率で軽量な果物選別システムを開発した。
本稿では,3次元畳み込みエンコーダとマンバ系バックボーンを組み合わせたS$^2$FIアーキテクチャを提案する。
このハードウェアは、デュアルコンベヤと湾曲したレールデザインを使用し、家庭用電力、高速展開、軽量な組込み配置をサポートし、手頃な価格改善を実現している。
また、6,460のサンプルを用いたコンベアベースの果実品質ビデオデータセットを構築しました。
実験結果から,提案手法は, 精度, 効率, 実用性において最高のトレードオフを達成でき, 比較ベースラインの精度, 速度, 実用性に優れたバランスが得られた。
関連論文リスト
- FruitEnsemble: MLLM-Guided Arbitration for Heterogeneous ensemble in Fine-Grained Fruit Recognition [18.640796746107494]
ファインソートフルーツ分類は、農業コンピュータービジョンにおいて重要な課題であるが挑戦的な課題である。
静的単一モデルアーキテクチャの一般化限界を克服する2段階動的推論フレームワークFruitEnsembleを提案する。
我々のフレームワークは70.49%の分類精度を達成し、既存の最先端モデルより優れている。
論文 参考訳（メタデータ） (2026-05-20T08:31:14Z) - Non-Destructive Prediction of Fruit Ripeness and Firmness Using Hyperspectral Imaging and Lightweight Machine Learning Models [0.6299766708197881]
本研究では,高スペクトル画像データを用いた20種類の古典的機械学習アルゴリズムを,同時リピート分類と強靭性予測のために体系的に評価する。
以上の結果から、Fruit-HSNetで報告された最先端のディープラーニングモデルよりも、ツリーベースの機械学習モデルの方が優れていることが示唆された。
論文 参考訳（メタデータ） (2026-04-05T07:57:27Z) - Guided by Trajectories: Repairing and Rewarding Tool-Use Trajectories for Tool-Integrated Reasoning [65.10602992874787]
AutoTrajはツール使用トラジェクトリの修復と報酬によってTIRを自動的に学習するフレームワークである。
実世界のベンチマークの実験では、AutoTrajの有効性が示されている。
論文 参考訳（メタデータ） (2026-01-30T14:42:04Z) - 6D Strawberry Pose Estimation: Real-time and Edge AI Solutions Using Purely Synthetic Training Data [5.767786408394506]
本稿では, レンダリング用プロシージャパイプラインから生成した純合成データを用いて, イチゴの6次元ポーズ推定に着目する。
速度と精度のバランスとエッジ推論のサポートで知られているYOLOXのバックボーンを利用したシングルショットアプローチであるYOLOX-6D-Poseアルゴリズムを採用する。
論文 参考訳（メタデータ） (2025-11-14T13:51:24Z) - Feedback-Driven Tool-Use Improvements in Large Language Models via Automated Build Environments [70.42705564227548]
大規模言語モデル(LLM)のための環境自動構築パイプラインを提案する。
これにより、外部ツールに頼ることなく、詳細な測定可能なフィードバックを提供する高品質なトレーニング環境の作成が可能になる。
また、ツール使用の精度とタスク実行の完全性の両方を評価する検証可能な報酬機構も導入する。
論文 参考訳（メタデータ） (2025-08-12T09:45:19Z) - Automated Tomato Maturity Estimation Using an Optimized Residual Model with Pruning and Quantization Techniques [1.123910458133809]
トマトの成熟度は収穫時期の最適化と品質確保に重要な役割を果たしている。
既存のディープラーニングのアプローチは正確ではあるが、資源に制約のある農業環境での実践には計算的すぎることがしばしばある。
本研究では,移動学習,プルーニング,量子化技術によって最適化されたResNet-18アーキテクチャを用いて,計算効率の良いトマト分類モデルを構築することを目的とする。
論文 参考訳（メタデータ） (2025-03-13T22:56:19Z) - A Systematic Examination of Preference Learning through the Lens of Instruction-Following [83.71180850955679]
新たな合成データ生成パイプラインを用いて48,000の命令追従プロンプトを生成する。
合成プロンプトでは、リジェクションサンプリング(RS)とモンテカルロ木探索(MCTS)の2つの選好データセットキュレーション手法を用いる。
実験により、MCTSが生成した選好ペアにおける共有プレフィックスは、限界はあるが一貫した改善をもたらすことが明らかになった。
高コントラストの選好ペアは一般的に低コントラストのペアよりも優れているが、両者を組み合わせることで最高のパフォーマンスが得られることが多い。
論文 参考訳（メタデータ） (2024-12-18T15:38:39Z) - MobileMamba: Lightweight Multi-Receptive Visual Mamba Network [51.33486891724516]
従来の軽量モデルの研究は、主にCNNとTransformerベースの設計に重点を置いてきた。
効率と性能のバランスをとるMobileMambaフレームワークを提案する。
MobileMambaはTop-1で83.6%を達成し、既存の最先端の手法を上回っている。
論文 参考訳（メタデータ） (2024-11-24T18:01:05Z) - Key Point-based Orientation Estimation of Strawberries for Robotic Fruit
Picking [8.657107511095242]
本稿では,2次元画像から直接3次元方向を予測できるキーポイント型果物配向推定手法を提案する。
提案手法は, 平均誤差を8円程度に抑え, 従来よりも$sim30%の予測精度を向上する。
論文 参考訳（メタデータ） (2023-10-17T15:12:11Z) - Pruning Self-attentions into Convolutional Layers in Single Path [89.55361659622305]
ビジョントランスフォーマー(ViT)は、様々なコンピュータビジョンタスクに対して印象的なパフォーマンスを実現している。
トレーニング済みのViTを効率よく自動圧縮するSPViT(Single-Path Vision Transformer pruning)を提案する。
われわれのSPViTはDeiT-Bで52.0%のFLOPをトリミングできる。
論文 参考訳（メタデータ） (2021-11-23T11:35:54Z) - Sample Factory: Egocentric 3D Control from Pixels at 100000 FPS with
Asynchronous Reinforcement Learning [68.2099740607854]
サンプルファクトリー(Sample Factory)は、シングルマシン設定に最適化された高スループットトレーニングシステムである。
我々のアーキテクチャは、非常に効率的で非同期なGPUベースのサンプリングと、オフポリシー補正技術を組み合わせています。
我々は,Sample Factoryを拡張して,セルフプレイと人口ベーストレーニングをサポートし,これらのテクニックを多人数一対一シューティングゲームのための高度なエージェントの訓練に応用する。
論文 参考訳（メタデータ） (2020-06-21T10:00:23Z)
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。