ディープ・フィーチャー・エクストラクションとマシン・ラーニング・クラシフィアー・インテグレーションを用いた自動マンゴー品種分類

科学分野:

• 農業技術 農業技術について
• コンピュータ・ビジョン コンピュータ・ビジョン
• 人工知能 (AI) は,人工知能 (AI) を利用する.

背景:

• マンゴーの手動分類は非効率で,開発途上国では収穫後の損失が大きい.
• 自動化されたシステムの開発は,効率を改善し,経済的影響を軽減するために不可欠です.

研究 の 目的:

• 自動化されたマンゴーの品種分類のための計算効率の良い,高度に正確な人工知能の枠組みを開発する.
• 果物の分類システムにおけるリアルタイムアプリケーションを可能にします.

主な方法:

• 特徴抽出器として8つのディープ・トランスファー・ラーニングモデルを評価した.
• これらを10の古典的な機械学習分類器と組み合わせた.
• 精度,ログ損失,メモリ使用量,トレーニング時間,推論遅延を使用してパフォーマンスを評価します.

主要な成果:

• ハイブリッドモデルであるEfficientNetB0-Linear Discriminant Analysis (LDA) とResNet50-Logistic Regressionでは,テストの精度が100%に達した.
• 推論時間は,完全なコンボリューションニューラルネットワーク (CNN) モデルと比較して最大330倍短縮されました.
• 計算コストが大幅に低く,最先端の精度が実証されています.

結論:

• ハイブリッドのディープラーニングと機械学習アーキテクチャは,効率的で正確な自動マンゴーの分類のための実行可能なソリューションを提供します.
• 開発されたフレームワークは,リアルタイムアプリケーションと産業用果物分類に適しています.
• 将来の作業には,現実世界の検証と組み込みハードウェアの展開が含まれます.