文献

J-GLOBAL ID：202102259251924538   整理番号：21A0519120

リンゴ園における無人地上車両の適用に対する低解像度画像を用いたバイナリピクセル定量化に基づく機械学習特徴抽出【JST・京大機械翻訳】

Machine Learning Feature Extraction Based on Binary Pixel Quantification Using Low-Resolution Images for Application of Unmanned Ground Vehicles in Apple Orchards

著者 (4件)： Lyu Hong-Kun (Division of Electronics and Information System, ICT Research Institute, Daegu Gyeongbuk Institute of Science and Technology (DGIST), Daegu 42988, Korea) ,  Yun Sanghun (Division of Electronics and Information System, ICT Research Institute, Daegu Gyeongbuk Institute of Science and Technology (DGIST), Daegu 42988, Korea) ,  Choi Byeongdae (Division of Electronics and Information System, ICT Research Institute, Daegu Gyeongbuk Institute of Science and Technology (DGIST), Daegu 42988, Korea) ,  Choi Byeongdae (Department of Interdisciplinary Engineering, Daegu Gyeongbuk Institute of Science and Technology (DGIST), Daegu 42988, Korea)
資料名： Agronomy (Web)  (Agronomy (Web))
巻： 10  号： 12  ページ： 1926  発行年： 2020年 
JST資料番号： U7129A  ISSN： 2073-4395  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 深層学習と機械学習(ML)技術は様々なアプリケーションで実行され,様々な農業技術が画像ベースの物体認識技術に基づいて開発されている。低コスト軽量プロセッサを用いた小規模農業無人機(UGV)自律モバイル機器の開発に適した果樹園環境自由空間認識技術を提案した。著者らは,低解像度グレースケール画像と画像二値化を通してMLアルゴリズムによって処理される入力データの量を最小にするためのアルゴリズムを設計した。さらに,二値画像からUGVの自律運動のための自由空間を検出するために,ML分類器に適用できるバイナリピクセル定量化に基づくML特徴抽出法を提案した。ここでは,2値化画像のセグメントにおける局所最低点を検出し,局所最低点を含む33変数を定義することによりML特徴を抽出し,木幹の底を検出した。6つのMLモデルを訓練し,様々なMLモデル間の体幹底検出のための適切なMLモデルを選択し,訓練されたモデルの性能を分析し比較した。アンサンブルモデルは最良の性能を示し,100の新しい画像からリンゴ樹幹を検出するためにこのMLモデルを用いて試験を行った。実験結果は,約100の低解像度グレースケール画像を用いて学習することにより,リンゴ果樹園環境における自由空間を認識することが可能であることを示した。Copyright 2021 The Author(s) 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 ,  農業 ,  *特徴抽出 ,  物体認識 ,  無人機 ,  応用プログラム ,  果樹園 ,  演算プロセッサ ,  *機械学習 ,  二値画像
準シソーラス用語： グレースケール画像 ,  二値化 ,  *リンゴ園 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 機械学習(ML) ,  無人地上車両(UGV) ,  果樹園 ,  二値画像 ,  特徴抽出 ,  アンサンブルモデル

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

引用文献 (28件)：

• Statistica Research Department. Fruit Consumption-Statistics & Facts. Available online: https://www.statista.com/topics/1475/fruit-consumption/ (accessed on 23 September 2020).
• Maida, J. Global Apple Market 2020-2024. Available online: https://www.businesswire.com/news/home/20191202005540/en/Global-Apple-Market-2020-2024-Evolving-Opportunities-Borton (accessed on 23 September 2020).
• Shahbandeh, M. Global Fruit Production in 2018, by Selected Variety (in Million Metric Tons). Available online: https://www.statista.com/statistics/264001/worldwide-production-of-fruit-by-variety/ (accessed on 22 September 2020). Production of Apples by Country. Available online: https://www.yara.kr/crop-nutrition/apple-pear/key-facts/world-production/ (accessed on 29 September 2020).
• Stefas, N.; Bayram, H.; Isler, V. Vision-Based UAV Navigation in orchards. IFAC-PapersOnLine 2016, 49, 10-15.
• Gao, G.; Xiao, K.; Jia, Y. A spraying path planning algorithm based on colour-depth fusion segmentation in peach orchards. Comput. Electron. Agric. 2020, 173, 105412.

タイトルに関連する用語 (8件)： リンゴ園 ,  無人地上車両 ,  低解像度画像 ,  バイナリ ,  ピクセル ,  定量化 ,  機械学習 ,  特徴抽出