文献
J-GLOBAL ID:202002226029221370   整理番号:20A2560706

根切りニンニクの自律的等級付けと選別のための深い畳込みニューラルネットワークを備えたロボットシステム【JST・京大機械翻訳】

A robot system equipped with deep convolutional neural network for autonomous grading and sorting of root-trimmed garlics
著者 (3件):
資料名:
巻: 178  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
収穫後技術,特にニンニク生産のポストハーベストプロセスにおけるスマート自動化システムの需要は,高い。本研究では,根トリミング後のニンニクの等級づけとソーティングのための人工知能(AI)統合ロボットシステムを紹介した。深い畳み込みニューラルネットワーク(CNN)を備えた深層学習モデルを用いた画像解析に基づいて,根-トリミングニンニクを自動的にグレード化し,ソートするロボットシステムを開発した。ロボットシステムは3つの主なモジュール:画像取得モジュール(IAM),画像処理モジュール(IPM),およびニンニクソーティングモジュール(GSM)から成る。IAMは,独立した発光ダイオード(LED)とコンピュータに接続されたウェブカメラを用いてニンニク根のライブビデオを捕捉する。IPMは,Windows10コンピュータに搭載されたニンニク画像処理ソフトウェア(GIPS)から成る。GIPS輸入ビデオは,ニンニク球の形状を検出し,深層学習モデルを用いてニンニククラスを予測する。ニンニク球形状を検出するとき,画像を前処理して,深い学習モデルを,ニンニククラスを予測するために自動的に活性化した。GSMは,以前の予測結果に基づいて,良い,悪い,およびスクラッチされたクラスのために,ニンニクを3つのコンテナに物理的に分離する。全部で800の根トリミングニンニクを試験し,9つの実験で評価した。正規ラップトップコンピュータ(Intelコアi7-8650U1.9GHzCPU,16Gb RAM)上のニンニク画像からクラスを予測する処理時間は0.19~0.58sであった。トリムの中央値と1つのニンニクの種類は,11s(予測複製3つの設定で)であり,3つのクラスの全体的等級づけ精度は89%であった。良好,不良,およびスクラッチクラスの個々の予測精度は,それぞれ95%,68%,および100%であった。ロボットシステムがロバストで安価であるならば,完全自動ニンニク根トリミングとソーティングロボットを開発するために,ニンニク根トリミングマシンに統合できる可能性がある。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般  ,  人工知能 

前のページに戻る