文献

J-GLOBAL ID：202002226027085209   整理番号：20A1107680

果物検出と計数における畳込みニューラルネットワークの比較:包括的評価【JST・京大機械翻訳】

Comparison of convolutional neural networks in fruit detection and counting: A comprehensive evaluation

著者 (4件)： Vasconez J.P. (Department of Electronic Engineering, Universidad Tecnica Federico Santa Maria, Valparaiso, Chile) ,  Delpiano J. (Universidad de los Andres, Santiago, Chile) ,  Vougioukas S. (Department of Biological and Agricultural Engineering, University of California Davis, USA) ,  Auat Cheein F. (Department of Electronic Engineering, Universidad Tecnica Federico Santa Maria, Valparaiso, Chile)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 173  ページ： Null  発行年： 2020年 
JST資料番号： T0337A  ISSN： 0168-1699  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 収穫される果実の量を事前に知ることは,農業産業におけるより良いロジスティックスと意思決定をもたらす。近年,いくつかのセンサ,主に人工視覚システムおよびセンシング技術が,太陽乾燥結果による果実計数問題に対処するために提案されている。畳込みニューラルネットワーク(CNN)は,オブジェクト検出におけるそれらの適応性と効率のために,画像情報処理における現在の傾向として生じる。しかし,学習プロセスは訓練入力データ,センサ(環境条件によって影響される),および画像集合を処理するために選択されたアーキテクチャに敏感であるので,これらの技術の有用性に関する洞察がまだ欠けている。従って,本研究では,最も一般的なアーキテクチャの2つをテストした。すなわち,Invic V2を持つより速いR-CNNと,Mobilenetを持つ単一ホット多重ボックス検出器(SSD)である。これらの検出アーキテクチャを訓練し,異なる圃場条件下で,3つの果実:Hass avocadoとレモン(チリからの)とリンゴ(California-USAからの)について試験した。ビデオベースの果実計数の問題を扱うために,Gauss推定に基づくマルチオブジェクトトラッキングを使用する。著者らのシステムは,Inilenetを用いたSSDを用いることにより,果実計数性能を最大93%(全ての果実について)について,Insev V2を用いて,90%(全ての果実について全体的に)を用いて達成した。そのような結果は,農業実践における意思決定プロセスをさらに改善することができる。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 太陽 ,  意思決定 ,  農業 ,  ロジスティックス ,  レモン ,  チリ共和国 ,  適応性 ,  多重化 ,  録画装置 ,  検出器 ,  センサ ,  *計算機アーキテクチャ
準シソーラス用語： 物体検出 ,  物体追跡 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 精密農業 ,  果実計数 ,  より速いR-CNN ,  単一ショット多重ボックス検出器 ,  マルチオブジェクトトラッキング

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 果物 ,  計数 ,  畳込みニューラルネットワーク ,  評価