植物上のオリエンタルメロンのサイズ推定のための非遮蔽モデルと拡散ベースのデータ拡張

科学分野:

• 農業科学
• コンピュータビジョン
• 植物フェノタイピング

背景:

• 正確な果実サイズ推定は、精密農業と作物管理に不可欠です。
• 葉の遮蔽は、垂直栽培システムにおける果実サイズ推定において重大な課題となります。

研究 の 目的:

• 葉の遮蔽の問題に対処し、植物上のオリエンタルメロンのサイズを推定すること。
• 果実サイズ推定のためのインスタンスセグメンテーションと非遮蔽モデルのパフォーマンスを評価すること。

主な方法:

• 合成された遮蔽葉を生成するために、データ拡張に拡散モデルを利用しました。
• Mask R-CNN、Mask2Former、DETRの3つのインスタンスセグメンテーションモデルと、それらを基にした6つの非遮蔽モデルを実装し、比較しました。
• 平均精度、平均絶対誤差、平均絶対パーセント誤差を使用してモデルのパフォーマンスを評価しました。

主要な成果:

• Amodal Mask2Formerと遮蔽認識RCNN（ORCNN）は、高い平均精度スコア（それぞれ85.92％と85.35％）を達成しました。
• Amodal Mask2Formerは、サイズ推定において低い平均絶対誤差（高さ5.46 mm、直径4.20 mm）で優れたパフォーマンスを示しました。
• Transformerベースのモデルは、さまざまな遮蔽率（0〜70％）で、非遮蔽およびサイズ推定タスクにおいてCNNアーキテクチャよりも優れたパフォーマンスを示しました。

結論:

• TransformerベースのAmodal Mask2Formerは、CNNと比較して、果実の非遮蔽およびサイズ推定において強化された機能を示します。
• 開発された非遮蔽モデルは、遮蔽が存在する場合の果実サイズ推定精度を大幅に向上させます。
• 70％を超える遮蔽を持つ合成データセットの生成は、現在の非遮蔽モデルにとって依然として限界です。