文献

J-GLOBAL ID：201702291451062670   整理番号：17A1271582

果樹園における深い果実検出【Powered by NICT】

Deep fruit detection in orchards

著者 (2件)： Bargoti Suchet (Australian Centre for Field Robotics, The University of Sydney, 2006, Australia) ,  Underwood James (Australian Centre for Field Robotics, The University of Sydney, 2006, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRA  ページ： 3626-3633  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 正確で信頼性の高い画像ベースの果実検出システムは収率マッピングとロボット収穫のような高レベル農業作業を支援するために重要である。本文は,果樹園において果実検出との関連で,より速くR CNN,最先端技術のオブジェクト検出フレームワークの使用,マンゴー,アーモンドとリンゴを含めて提示した。アブレーション研究は検出ネットワークの実際的な展開,訓練データがデータセットの変動性を捉えるのに必要であるかをより良く理解するために提示した。データ増強技術は大きな性能利得が得られることを示し,必要な訓練画像の数の2倍以上の減少をもたらした。とは対照的に,果樹園間の知識転送ImageNet特徴から直接深層畳込みニューラルネットワークを初期化上で無視できる性能利得に寄与した。最後に,100~1000果実当たり画像間で含有する果樹園データ上で動作する,より高速なR CNNフレームワークのために導入したタイリングアプローチ。研究は以前の研究に比べてこれらの果樹園のための最良のまだ検出性能をもたらし,リンゴとマンゴーの達成された>0.9のF1スコアした。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ネットワーク ,  畳込み ,  *果樹園 ,  ロボット ,  ニューラルネットワーク ,  マンゴー ,  信頼性 ,  利得 ,  農業 ,  高速度 ,  アブレーション ,  画像 ,  検出能 ,  物体検出 ,  産業
準シソーラス用語： 訓練データ , 【Automatic Indexing@JST】

分類 (1件)： 果樹  (FC03042G)

タイトルに関連する用語 (2件)： 果樹園 ,  果実