りんご外観検査に向けたYOLOの改善

カテゴリ: 研究会(論文単位)

論文No: CT23075

グループ名: 【C】電子・情報・システム部門 制御研究会

発行日: 2023/06/28

タイトル(英語): Enhanced YOLO for Apple Grading

著者名: 松井 敦己(立命館大学),孟 林(立命館大学)

著者名(英語): Atsuki Matsui(Ritsumeikan University),Lin Meng(Ritsumeikan University)

キーワード: ＹＯＬＯ|外観検査|YOLO|Grading

要約(日本語): 農業労働者の平均年齢は、高齢になり、後継者や人手不足の問題が深刻化している。本研究では深層学習を用いた物体検出手法により、成果物の外観検査を自動で行う手法を提案する。詳細には、幅広く使われている物体検出AIモデルであるYOLOにアテンションを追加、拡張し、高精度にリンゴの傷や腐敗などの不良を検出する。それにより、リンゴの外観検査の自動化を実現し、農産業の労働力不足を緩和することに貢献する。

要約(英語): The average age of agricultural workers is getting older, and the problem of successors and labor shortages is becoming more serious. This research proposes a method to automatically inspect the appearance of deliverables by a deep learning-based object detection method. In detail, the attention mechanism has been enhanced to YOLO, a widely used object detection AI model, to detect defects such as scratches and rot on apples with high accuracy. The experimental results show the proposal helps automate the visual inspection of apples and alleviate labor shortages in the agricultural industry.

本誌: 2023年7月1日制御研究会

本誌掲載ページ: 1-5 p

原稿種別: 日本語

PDFファイルサイズ: 556 Kバイト