文献

J-GLOBAL ID：202202286689509628   整理番号：22A0573269

枝刈りベースYOLOV4ネットワークを用いたNIRカメラを用いたリンゴ選別のための実時間欠陥検出【JST・京大機械翻訳】

Real-time defects detection for apple sorting using NIR cameras with pruning-based YOLOV4 network

著者 (12件)： Fan Shuxiang (Intelligent Equipment Research Center, Beijing Academy of Agriculture and Forestry Sciences, Beijing 100097, China) ,  Fan Shuxiang (National Research Center of Intelligent Equipment for Agriculture, Beijing 100097, China) ,  Liang Xiaoting (Intelligent Equipment Research Center, Beijing Academy of Agriculture and Forestry Sciences, Beijing 100097, China) ,  Liang Xiaoting (Shanghai Ocean University, Shanghai 201306, China) ,  Huang Wenqian (Intelligent Equipment Research Center, Beijing Academy of Agriculture and Forestry Sciences, Beijing 100097, China) ,  Huang Wenqian (National Research Center of Intelligent Equipment for Agriculture, Beijing 100097, China) ,  Jialong Zhang Vincent (The University of Chicago Laboratory Schools, Chicago 60637, USA) ,  Pang Qi (Intelligent Equipment Research Center, Beijing Academy of Agriculture and Forestry Sciences, Beijing 100097, China) ,  He Xin (Intelligent Equipment Research Center, Beijing Academy of Agriculture and Forestry Sciences, Beijing 100097, China) ,  Li Lianjie (Intelligent Equipment Research Center, Beijing Academy of Agriculture and Forestry Sciences, Beijing 100097, China) ,  Zhang Chi (Intelligent Equipment Research Center, Beijing Academy of Agriculture and Forestry Sciences, Beijing 100097, China) ,  Zhang Chi (National Research Center of Intelligent Equipment for Agriculture, Beijing 100097, China)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 193  ページ： Null  発行年： 2022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： 2車線果実仕分け機上の欠陥リンゴのオンライン検出を実現するために,検査モジュールを,NIRカメラと拡散照明室を用いて構築した。リアルタイムリンゴ欠陥検査方法を,YOLO V4深層学習アルゴリズムに基づいて提案した。入力画像は,3つの連続したゴムローラーステーションでNIR画像を結合することによって発生した。YOLO V4ネットワークを単純化し,検出速度を加速するために,チャネル剪定と層剪定法を用いた。L1ノルムに基づく非最大抑制(NMS)法を提案し,剪定ネットワークを微調整した後に冗長な予測ボックスを除去した。テスト結果は,剪定ベースのYOLO V4ネットワークのモデルサイズと推論時間が,それぞれ241.24メガバイト(MB)と10.82ms減少し,平均精度(mAP)が,剪定前のYOLO V4ネットワークと比較して,91.82%から93.74%に増加したことを示した。NIR画像に基づく剪定ベースのYOLO V4ネットワークは,皮膚色の変化によって影響されず,赤黄色縞模様と赤芽で覆われたプロアントシアニジンFuji’リンゴを含む異なる栽培品種の同定,ΔΔGolden Delicious’,およびΔΔGranny Smith’を検出でき,オンライン試験での平均検出精度は93.9%であり,1秒あたり5果実を評価した。総合結果は,開発した検査モジュールと組み合わせた提案した剪定ベースのYOLO V4ネットワークが,果実欠陥同定のための市販果実充填ラインで実装する大きな可能性を持つことを示した。Copyright 2022 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： 検出 ,  視覚 ,  簡素化 ,  冗長性 ,  *ネットワーク ,  欠陥 ,  *リンゴ ,  照明 ,  *故障検出 ,  チャネル ,  栽培品種 ,  機械学習 ,  学習アルゴリズム
準シソーラス用語： オンライン ,  L1ノルム ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械視覚 ,  リンゴの欠陥 ,  果実選別 ,  深層学習 ,  オブジェクト検出

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  収穫・調製用機械  (FB03030K)

タイトルに関連する用語 (5件)： 枝刈り ,  リンゴ ,  選別 ,  実時間 ,  欠陥検出