画像局所特徴の類似度を用いたメロン等級判定システムの開発

• Item type: Trans(1)
• 公開日: 2023-01-27
• タイトル: 画像局所特徴の類似度を用いたメロン等級判定システムの開発
• タイトル / 言語: en
• タイトル: Development of Melon Grading System Using Similarity Measure of Local Image Features
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [コンシューマ・システム論文] スマート農業，詳細画像認識，距離学習，データ拡張
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 静岡大学大学院自然科学系教育部情報科学専攻
• 著者所属: 静岡大学大学院総合科学技術研究科
• 著者所属: 静岡大学情報学部
• 著者所属: 株式会社大和コンピューター
• 著者所属: 静岡大学大学院自然科学系教育部情報科学専攻／静岡大学大学院総合科学技術研究科／静岡大学情報学部／静岡大学学術院情報学領域／グリーン科学技術研究所
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Shizuoka University
• 著者所属(英): en
• 著者所属(英): Graduate School of Integrated Science and Technology, Shizuoka University
• 著者所属(英): en
• 著者所属(英): Faculty of Informatics, Shizuoka University
• 著者所属(英): en
• 著者所属(英): DAIWA COMPUTER CO., LTD.
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Shizuoka University / Graduate School of Integrated Science and Technology, Shizuoka University / Faculty of Informatics, Shizuoka University / College of Informatics, Academic Institute, Shizuoka University / Research Institute of Green Science and Technology
• 著者名: 小池, 誠; 平原, 健太郎; 渡辺, 隆一; 小川, 晋; 峰野, 博史
• 著者名(英): Makoto, Koike; Kentaro, Hirahara; Ryuichi, Watanabe; Susumu, Ogawa; Hiroshi, Mineno
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 高級果物として知られるメロンは，果実の見栄えなど外観の品質が重要視されており，出荷時には形状や色合い，ネットの模様，傷の有無などを加味した等級の選別が行われている．一般的に，このような外観検査は経験豊富な生産者の目視によって行われているが，等級判断基準の一貫性確保といった目的から等級判定のシステム化が望まれている．このような外観検査では近年，深層学習を用いた画像認識モデルを適用する研究が注目されている．しかし，深層学習を用いるためには大量のアノテーションされた画像データを収集する労力が課題となる．そこで，本研究では詳細画像認識（Fine-grained Image Classification），画像特徴ベクトルの類似度を用いた距離学習，Activation Mapを用いたデータ拡張を組み合わせることにより，データ数が少ない場合であっても一般的な転移学習による画像認識モデルと比較し，高い精度で等級判定可能なモデルを提案する．加えて，この等級認識モデルを用いたメロン果実の等級判定システムのプロトタイプを構築し，実用性に関する基礎検証を実施した．その結果，約82.1%の精度で熟練生産者と同等の等級判定が可能であることを示した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Melons are known as expensive fruit, and the quality of their appearance is important. Therefore, when shipped, melons are graded by farmers based on shape, color, net pattern, presence of disease, etc. Generally, this inspection is done visually by experienced farmers. However, for consistency of grading criteria, systemization of visual inspection is desired. In recent years, there has been a lot of research on the application of image classification models using deep learning in the field of visual inspection. To use deep learning, it is necessary to collect a large amount of annotated image data. In this study, we propose a model that can determine the grade with higher accuracy than general image classification models based on transition learning (e.g., using imagenet) even when the number of data is small, by combining Fine-grained Image Classification, Metric Learning using similarity measure of an image feature vector, and Data Augmentation using an Activation Map. In addition, we developed a prototype of Melon Grading System using this model and conducted basic tests on its practicality. As a result, we showed that the developed grading system can grade melons with an accuracy of about 82.1% compared to an experienced farmer.
• 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: AA12628043
• 書誌情報: 情報処理学会論文誌コンシューマ・デバイス＆システム（CDS）; 巻 13, 号 1, p. 12-25, 発行日 2023-01-27
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2186-5728
• 出版者 / 言語: ja
• 出版者: 情報処理学会