房内ぶどうの房ごとの正確な粒数計測方法による粒抜き誘導

科学分野:

• 農業技術
• コンピュータビジョン
• 機械学習

背景:

• テーブルグレープ生産における手動での粒数計測は、労働集約的で、遅く、エラーが発生しやすいです。
• 正確な粒数は、効果的な房管理と収量最適化のために不可欠です。
• 現在の手動方法は、効率的で正確なブドウ園管理におけるボトルネックとなっています。

研究 の 目的:

• テーブルグレープにおける正確な粒数計測のための自動化された方法を開発すること。
• 同時粒数計測と房セグメンテーションのための二分岐ネットワーク（MVDNet）を導入すること。
• リソースに制約のあるエッジデバイスに適した計算効率の高いモデルを作成すること。

主な方法:

• UIBモジュール、マルチスケール特徴融合、SimAMアテンションを備えた二分岐ネットワーク（MVDNet）を提案しました。
• MVDNetは、粒数計測と房セグメンテーションのために密度マップ回帰を実行します。
• 後処理アルゴリズムは、房ごとの粒数を精密化します。

主要な成果:

• MVDNetは平均絶対誤差（MAE）7.7、二乗平均平方根誤差（RMSE）12.6を達成しました。
• モデルは房セグメンテーションにおいて平均的IoU（MIoU）0.90を達成しました。
• 後処理アルゴリズムは、房ごとの粒数計測において決定係数（R²）0.886を達成しました。
• モデルはパラメータ数が337万2千個のみであり、計算リソース消費量が少ないことを示しています。

結論:

• 提案された自動粒数計測方法は、堅牢で効率的かつ実用的です。
• この技術は、精密なブドウ園管理を促進し、ブドウの品質と生産性を向上させます。
• MVDNetモデルは、農業環境におけるエッジデバイスへの展開に適しています。