tmori’s blog

公開メモ帳くらいの感覚で書いています。技術系多め。日常少なめ。

「Multi-Input Convolutional Neural Network for Flower Grading」の論文まとめ

概要

  • 花の等級付け (Flower grading)は、果樹園などにとって重要なタスクに一つ。
  • 実験では、3段階の等級付けを行った。
  • multi-input CNNとsingle-input CNNを試した結果、multi-inputの方がより良い精度だった(89.6%)。
  • さらに精度を向上させるには、芽の検出が有効であり、精度を93.9％まで上げることが可能であった。

序論

花の等級付けは、明確な違いがないため困難な作業とされている。 従来研究で、トマトとポテトの等級付けがあるが二値分類なので容易なタスクだった。 また、背景削除など人が前処理する必要があるので自動化とは言い切れない部分がある。

花の等級付けは、1視点で評価はできない。 そのため、今回は3視点のmulti-input CNNを使う。

データセットとCNN Model

データセットは自分たちでGloxiniaを撮影して収集した。

CNNはmulti-inputのものを使用した。

実験と結果

データセットは、シフトや回転などの水増し処理を行った。 80％を学習データにし、残りをテストデータとして使用した。 CNNのモデルは、畳み込み層やプーリング層のレイヤーを変化させた(multi: 23, single: 4)個を比較した。 結果は、multi-inputの方が精度がよく、89.6%であった。 結果から、芽の情報がグレーディングには重要であることが示唆された。

芽の検出

ツールはPlantCVを使用した。 芽の検出があったら、BadからMediumに予測ラベルを変更する。 この処理を画像分類後に加えることで、精度が93.9％となった。

結論

花の等級付けの画像分類モデルを作成した。 今後は、他の植物にも転用できるか検証したい。