Item type |
Symposium(1) |
公開日 |
2024-06-19 |
タイトル |
|
|
タイトル |
画像生成モデルを用いたドメイン適応型データ拡張手法によるメロン等級判定モデルの評価 |
タイトル |
|
|
言語 |
en |
|
タイトル |
Evaluation of Melon Grading Model Using Domain Adaptive Data Augmentation Method with Image Generation Model |
言語 |
|
|
言語 |
jpn |
資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_5794 |
|
資源タイプ |
conference paper |
著者所属 |
|
|
|
静岡大学大学院総合科学技術研究科情報学専攻 |
著者所属 |
|
|
|
静岡大学大学院総合科学技術研究科情報学専攻 |
著者所属 |
|
|
|
静岡大学大学院総合科学技術研究科情報学専攻 |
著者所属 |
|
|
|
静岡大学大学院自然科学系教育部 |
著者所属 |
|
|
|
株式会社大和コンピューターi農業開発部 |
著者所属 |
|
|
|
静岡大学学術院情報学領域 |
著者所属 |
|
|
|
静岡大学学術院情報学領域/静岡大学グリーン科学技術研究所 |
著者名 |
海老沢, 源
島田, 拓人
平原, 健太郎
小池, 誠
小川, 晋
野村, 祐一郎
峰野, 博史
|
論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
農業において出荷する作物の品質管理は重要であり,特に高級メロンの選別では熟練農家が果実の外観を目視で評価する.この技術の習得には多くの時間が必要であり,一貫した等級判定基準の確立が困難となっている.この課題に対し,先行研究である機械学習を用いたメロン等級判定モデルでは,4 段階の等級判定において 82.1%で熟練農家の判断を再現することに成功している.一方で,傷や汚れなどの目立つ特徴に対して有効だが,網目の均一性といった詳細な特徴の捕捉が難しく,網目特徴による判定精度の低さが課題となっている.本研究では画像生成モデルを用いて,データ数が少なく詳細な特徴が必要となる画像に対して,ドメインに適応したデータ拡張手法と,データ拡張による生成画像の品質を保証するため,二段階の評価に基づいた拡張画像の選別手法を提案する.本研究で設定した実験の結果として,ベースライン 81.3%に対して,提案手法を適用することで 86.3%へ精度向上することを確認し,画像生成モデルのデータ拡張,二段階選別ともにメロン等級判定モデルの精度向上に寄与することを確認した. |
書誌情報 |
マルチメディア,分散,協調とモバイルシンポジウム2024論文集
巻 2024,
p. 603-610,
発行日 2024-06-19
|
出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |