YOLO-AVCA-CBAMNet：注意機構によるピーマン成熟度段階の検出と分類のための注意駆動型フレームワーク

科学分野:

• コンピュータビジョン
• 機械学習
• 農業技術

背景:

• 最適な収穫時期とスパイスの品質のためには、正確なピーマン果実の成熟度識別が重要です。
• 既存の方法では、照明条件の変化や複雑な背景などの多様な圃場条件に対応するのが難しい場合があります。

研究 の 目的:

• 自然な圃場設定におけるピーマン果実の成熟度評価を効果的に行うための、統合された検出および分類フレームワークであるYOLO-AVCA-CBAMNetを開発すること。
• 相補的な注意機構を使用して、成熟段階分離の信頼性を向上させること。

主な方法:

• 様々な条件下でのピーマン果実の自己収集スマートフォン画像データセットを利用しました。
• 散らかったシーンでの初期の果実検出にYOLOv8を使用しました。
• 適応型視覚皮質注意モジュール（AVCAM）と畳み込みブロック注意モジュール（CBAM）で強化された畳み込みニューラルネットワークを分類に適用しました。

主要な成果:

• バックボーンアーキテクチャごとに5-9%の精度向上を達成しました。
• DenseNet121ベースの設定でピーク精度96.19%に達しました。
• デュアルアテンションメカニズムにより、視覚的に類似した成熟段階の識別が向上しました。

結論:

• 注意駆動型モデルは、精密農業における解釈可能で効率的かつスケーラブルな成熟度評価において大きな可能性を示しています。
• YOLO-AVCA-CBAMNetフレームワークは、実際の農業アプリケーションに堅牢なソリューションを提供します。
• 本研究は、作物モニタリングにおける高度なディープラーニング技術の実用的な関連性を検証しています。