文献

J-GLOBAL ID：202002239456354638   整理番号：20A0528695

米粒の重量とサイズを予測するための機械学習画像処理【JST・京大機械翻訳】

Machine learnt image processing to predict weight and size of rice kernels

著者 (4件)： Singh Samrendra K. (CNH Industrial, Burr Ridge, IL, 60527, USA) ,  Vidyarthi Sriram K. (The Morning Star Company, Woodland, CA, 95695, USA) ,  Vidyarthi Sriram K. (Department of Biological and Agricultural Engineering, University of California, Davis, CA, 95616, USA) ,  Tiwari Rakhee (The Morning Star Company, Woodland, CA, 95695, USA)
資料名： Journal of Food Engineering  (Journal of Food Engineering)
巻： 274  ページ： Null  発行年： 2020年 
JST資料番号： C0838B  ISSN： 0260-8774  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 粉砕後の米穀粒サイズの正確な測定は,米粉砕操作にとって重要である。個々の米穀粒のサイズと質量は,典型的に米品質属性,特にヘッド米収量に関連する重要なパラメータである。本研究では,画像処理と機械学習(ML)集合を組み合わせて,いくつかの米カーネルのサイズと質量を同時に正確に測定するロバストな方法論を提案した。著者らは,画像から個々の米カーネルを同定するために再帰法の助けを借りて画像処理アルゴリズムを開発し,カーネル占有率に基づいてカーネルのサイズを推定した。米カーネルのサイズと面積を表す画素数を,積層アンサンブルモデル(SEM)を用いてそのサイズと質量を予測するために,そのデジタル指紋として用いた。著者らは,画像における個々のカーネルの画素から引き出された特徴に基づいて個々の米カーネルの質量を予測することができる,SEMを構築するために多くのポピュラーな機械学習モデルを採用した。画像処理段階からの出力をSEMへの入力として用いた。画像処理とSEMの予測精度とロバスト性を不確実性定量化を用いて定量化した。不確実性定量化は,小穀粒(Calhikari-202),中粒(木星),および長粒(CL153)米の穀粒長の推定における平均誤差に対して,それぞれ3.6%,2.5%,および2.4%を示した。同様に,1000粒重を予測することに関連する平均誤差は,Calhikari-202,Jupiter,およびCL153に対して,それぞれ4.1%,2.9%,および4.3%である。米画像分析装置における開発したアルゴリズムの使用は,ヘッド米収量定量化を容易にし,より迅速な米品質評価を促進することができた。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： アルゴリズム ,  品質特性 ,  *画像処理 ,  ロバスト性 ,  不確実性 ,  木星 ,  分析機器 ,  占有率 ,  画素 ,  *機械学習
準シソーラス用語： 品質評価 ,  予測精度 ,  電子指紋 ,  画像処理アルゴリズム ,  *米粒 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  イネ ,  画像処理 ,  積層アンサンブルモデル ,  カーネル長

分類 (2件)： 穀類とその製品一般  (FJ04010T) ,  食品の品質  (FJ01040F)

タイトルに関連する用語 (5件)： 米 ,  サイズ ,  予測 ,  機械学習 ,  画像処理