転移学習によるアボカドの食べ頃分類手法と応用システムの開発

• Item type: SIG Technical Reports(1)
• 公開日: 2022-03-07
• タイトル: 転移学習によるアボカドの食べ頃分類手法と応用システムの開発
• タイトル / 言語: en
• タイトル: Avocado Ripeness Classification System Using Transfer Learning
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 音楽とデータ分析
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 中京大学大学院工学研究科情報工学専攻
• 著者所属: 中京大学工学部情報工学科
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Chukyo Unibersity
• 著者所属(英): en
• 著者所属(英): School of Engineering, Chukyo Unibersity
• 著者名: 杉本, 隼斗; 濱川, 礼
• 著者名(英): Hayato, Sugimoto; Rei, Hamakawa
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本論文では，転移学習によるアボカドの食べ頃分類手法とそれを応用した一般消費者向けの応用システムについて述べる．アボカドの食べ頃は果皮の色などをもとに一般消費者が判別する必要があるが，正確な見極めは熟練者でなければ難しい．本研究では，近年の深層学習技術の発展とスマートフォンなどの画像キャプチャデバイスの普及に着目し，転移学習による画像分類を用いたアボカドの食べ頃分類手法を提案する．アボカドの写っている画像を入力とし，未熟，食べ頃，過熟の 3 クラスに識別するように独自のデータセットの構築と分類器の学習を行う．応用システムは一般消費者が手軽に扱えるアプリケーションであることを重視しスマートフォンアプリの開発を行う．評価実験では，事前学習済みモデルから得られる特徴量を利用したニューラルネットワークによる分類が作成した 2 つのデータセットにおいて最も高い精度を示し，提案手法はデータセットに依存しない有用性を示した．開発した応用システムも被験者から高い評価を得ることができ，システムの有用性が明らかになった．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we describe a method for classifying avocado based on transfer learning and an application system for consumers. It is necessary for consumers to determine the eating time of avocados based on the color of the skin and other factors, but it is difficult for only skilled consumers to accurately determine the eating time. In this study, we propose a method for classifying avocados based on the recent development of deep learning technology and the widespread use of image capturing devices such as smartphones. Using an image of an avocado as an input, we construct a unique dataset and train a classifier to discriminate between three classes: unripe, ripe, and overripe. The application system is developed as a smartphone application, with an emphasis on being an application that can be easily handled by consumers. In the evaluation experiments, the classification by the neural network using the features obtained from the pre-trained model showed the highest accuracy in the two datasets created, indicating the usefulness of the proposed method independent of the dataset. The developed application system was also highly evaluated by the test subjects, demonstrating the usefulness of the system.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA1221543X
• 書誌情報: 研究報告ヒューマンコンピュータインタラクション（HCI）; 巻 2022-HCI-197, 号 40, p. 1-6, 発行日 2022-03-07
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8760
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会