文献

J-GLOBAL ID：202002243084790802   整理番号：20A2560741

自然環境におけるリンゴ花のリアルタイムおよび正確な検出のためのチャネル枝刈りベースのYOLO v4深層学習アルゴリズムの利用【JST・京大機械翻訳】

Using channel pruning-based YOLO v4 deep learning algorithm for the real-time and accurate detection of apple flowers in natural environments

著者 (12件)： Wu Dihua (College of Mechanical and Electronic Engineering, Northwest A&F University, Yangling, Shaanxi 712100, China) ,  Wu Dihua (Key Laboratory of Agricultural Internet of Things, Ministry of Agriculture and Rural Affairs, Yangling, Shaanxi 712100, China) ,  Wu Dihua (Shaanxi Key Laboratory of Agricultural Information Perception and Intelligent Services, Yangling 712100, China) ,  Lv Shuaichao (College of Mechanical and Electronic Engineering, Northwest A&F University, Yangling, Shaanxi 712100, China) ,  Lv Shuaichao (Key Laboratory of Agricultural Internet of Things, Ministry of Agriculture and Rural Affairs, Yangling, Shaanxi 712100, China) ,  Lv Shuaichao (Shaanxi Key Laboratory of Agricultural Information Perception and Intelligent Services, Yangling 712100, China) ,  Jiang Mei (College of Mechanical and Electronic Engineering, Northwest A&F University, Yangling, Shaanxi 712100, China) ,  Jiang Mei (Key Laboratory of Agricultural Internet of Things, Ministry of Agriculture and Rural Affairs, Yangling, Shaanxi 712100, China) ,  Jiang Mei (Shaanxi Key Laboratory of Agricultural Information Perception and Intelligent Services, Yangling 712100, China) ,  Song Huaibo (College of Mechanical and Electronic Engineering, Northwest A&F University, Yangling, Shaanxi 712100, China) ,  Song Huaibo (Key Laboratory of Agricultural Internet of Things, Ministry of Agriculture and Rural Affairs, Yangling, Shaanxi 712100, China) ,  Song Huaibo (Shaanxi Key Laboratory of Agricultural Information Perception and Intelligent Services, Yangling 712100, China)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
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： 自然環境におけるリンゴ花の迅速で正確な検出を達成することは,収量推定と自動花薄化の開発に不可欠である。チャネル剪定YOLO v4深層学習アルゴリズムを用いたリアルタイムリンゴ花検出法を提案した。最初に,CSPDarknet53フレームワークの下のYOLO v4モデルを築き上げて,次に,リンゴ花検出モデルを単純化して,モデルの効率を確実にするため,チャネル剪定アルゴリズムを使用して,モデルを剪定した。最後に,合計2230の手動標識リンゴ花画像(Fuji,Red LoveおよびGalaの3品種を含む)を用いて,リンゴ花の迅速かつ正確な検出を達成するためにモデルを微調整した。試験結果は,剪定の後のリンゴ花検出モデルのパラメータの数が96.74%減少し,モデルサイズが231.51MBによって減少して,推論時間が39.47%減少し,そして,mAPが97.31%であり,それは剪定前のモデルよりわずか0.24%低かったことを示した。提案方法の有効性を検証するために,Faster R-CNN,Tiny-YOLO v2,YOLO v3,SSD300,および効率Det-D0を含む5つの異なる深層学習アルゴリズムを比較した。比較結果は,提案方法を用いたリンゴ花検出のmAPが97.31%であることを示した。検出率は72.33f/sであった。モデルサイズは12.46MBであった。mAPは,他の5つのアルゴリズムよりそれぞれ12.21%,15.56%,14.19%,5.67%および7.79%高かった。そして,検出率はリアルタイム要求を満たすことができた。さらに,リンゴの木と照明条件の異なる種の下のリンゴ花の検出性能を論じた。結果は,提案方法が果実樹木品種と照明方向の変化に強いロバスト性を有することを示した。結果は,リンゴ花のリアルタイムで正確な検出のために提案方法を適用することが実現可能であることを示した。研究は,果樹園収量推定とリンゴ花薄化ロボットの開発のための技術的参照を提供することができた。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 ,  簡素化 ,  ロボット ,  照明 ,  照明条件 ,  *自然環境 ,  検出法 ,  品種 ,  果実【器官】 ,  果樹園 ,  深層 ,  チャネル ,  ロバスト性 ,  *学習アルゴリズム
準シソーラス用語： 実時間 , 【Automatic Indexing@JST】

著者キーワード (5件)： リンゴの花 ,  YOLO v4 ,  チャネル枝刈りアルゴリズム ,  リアルタイム検出 ,  自然環境

分類 (1件)： 果樹  (FC03042G)

タイトルに関連する用語 (8件)： 自然環境 ,  リンゴ ,  花 ,  リアルタイム ,  チャネル ,  枝刈り ,  深層学習 ,  アルゴリズム