ALNet：アンカーラインネットワークによるリアルタイムかつ高精度なトウモロコシ列検出に向けて

科学分野:

• コンピュータビジョン
• 農業ロボット工学
• 機械学習

背景:

• 自律走行農業機械のナビゲーションには、正確な作物列検出が不可欠です。
• 既存の深層学習手法は、計算コスト、エッジデプロイメント、精度と速度のバランスに関して課題に直面しています。
• トウモロコシの列検出は、細長い幾何学的構造のため、特殊なアプローチが必要です。

研究 の 目的:

• 効率的かつ高精度なトウモロコシ列検出のための軽量な深層学習モデル（ALNet）を開発すること。
• 困難な圃場条件下での列検出の頑健性を向上させること。
• エッジデバイス上でのナビゲーションシステムのリアルタイム展開を可能にすること。

主な方法:

• アンカーライン機構を導入し、エンドツーエンドの列検出を回帰問題として扱いました。
• ピクセルごとの畳み込みを列に沿ったカーネル演算に置き換え、計算量を削減しました。
• アテンション誘導ROIアラインモジュールとデュアルアクシス押出トランスフォーマー（DAE-Former）を組み込み、特徴量相互作用を強化しました。
• 局所化精度を向上させるために、Row IoU（RIoU）損失関数を開発しました。

主要な成果:

• ALNetはmF1スコア59.60を達成し、競合手法を9.24ポイント以上上回りました。
• 推論速度は161.26 FPSと高く、計算コストは11.9 GFlopsと低いです。
• 雑草の繁茂、低照度、風による歪みなどの困難な条件下でも頑健性を示しました。

結論:

• ALNetは、精密農業におけるインテリジェントな視覚ナビゲーションのための実用的かつスケーラブルなソリューションを提供します。
• 軽量設計と高い効率性により、ALNetはリアルタイムのエッジデプロイメントに適しています。
• 提案されたアンカーライン機構とアテンションモジュールは、作物列検出能力を大幅に進歩させます。