文献

J-GLOBAL ID：202002254597445355   整理番号：20A0881781

コイ魚の非破壊鮮度診断のためのスマート深層学習に基づくアプローチ【JST・京大機械翻訳】

Smart deep learning-based approach for non-destructive freshness diagnosis of common carp fish

著者 (4件)： Taheri-Garavand Amin (Mechanical Engineering of Biosystems Department, Lorestan University, Khorramabad, Iran) ,  Nasiri Amin (Department of Mechanical Engineering of Agricultural Machinery, University of Tehran, Karaj, Iran) ,  Banan Ashkan (Department of Animal Sciences, Lorestan University, Khorramabad, Iran) ,  Zhang Yu-Dong (Department of Informatics, University of Leicester, Leicester, UK)
資料名： Journal of Food Engineering  (Journal of Food Engineering)
巻： 278  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： 魚新鮮度の評価と知的モニタリングは漁業製品の収量と貿易において最も重要である。大量の工業生産を考慮した従来法を用いた魚新鮮度の迅速で正確な評価は困難である。本研究では,特徴工学に基づく方法の代わりに,一般的なコイから得られた画像に基づき,深い畳込みニューラルネットワーク(CNN)を適用することにより,新しい正確な魚新鮮度検出を提案した。提案した手法により新鮮度に基づいて魚画像を分類するために,最初に,VGG-16アーキテクチャを適用して,魚画像からの特徴を自動的に抽出した。次に,ドロップアウトと高密度層によって構築された開発された分類装置ブロックを,魚画像を分類するために利用した。得られた結果は,98.21%の分類精度を示し,結論として,提案したCNNベースの方法は,従来の分類法と比較して,より高い精度でより低い複雑性を有する。この方法は,迅速,低コスト,正確,非破壊,リアルタイムおよび自動化技術として魚新鮮度を監視し分類することができる。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： *新鮮度 ,  分類装置 ,  工業生産 ,  計算機アーキテクチャ ,  自動化 ,  漁業
準シソーラス用語： 実時間 ,  複雑性 ,  分類法 ,  分類精度 ,  ドロップ ,  畳込みニューラルネットワーク ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 魚の鮮度 ,  深層学習 ,  畳み込みニューラルネットワーク ,  VGG-16

分類 (2件)： 動物性水産食品  (FJ13020C) ,  食品の品質  (FJ01040F)

タイトルに関連する用語 (4件)： コイ ,  鮮度 ,  診断 ,  深層学習