초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

스마트 농업은 농업 분야에 신기술이 적용되고 있는 새로운 영역이다. 농업 산업은 다양한 작업을 자동화하기위해 머신 비전의 방식의 해결책을 요구하고 있다. 이러한 맥락에서, 정확한 딸기의 세그멘테이션은 꽃과 가지가 열매를 가리기 때문에 상당히 어려운 작업이다. 이런 꽃과 가지에 의한 딸기의 가려짐은 정확한 수확 시스템을 개발하기위한 기존 접근 방식의 성능 저하의 주요 원인이다. 게다가, 과숙성된 딸기와 타박상을 입은 딸기는 회색 곰팡이 ...

스마트 농업은 농업 분야에 신기술이 적용되고 있는 새로운 영역이다. 농업 산업은 다양한 작업을 자동화하기위해 머신 비전의 방식의 해결책을 요구하고 있다. 이러한 맥락에서, 정확한 딸기의 세그멘테이션은 꽃과 가지가 열매를 가리기 때문에 상당히 어려운 작업이다. 이런 꽃과 가지에 의한 딸기의 가려짐은 정확한 수확 시스템을 개발하기위한 기존 접근 방식의 성능 저하의 주요 원인이다. 게다가, 과숙성된 딸기와 타박상을 입은 딸기는 회색 곰팡이 곰팡이 병에 걸릴 가능성이 매우 높으며, 가까이 있는 건강한 딸기로까지 전염 될 수 있다. 이는 회색 곰팡이만으로도 생산량을 70 %까지 줄어 들 수 있기 때문에 딸기 생산에 큰 위협이 된다. 따라서 이 연구에서 우리는 세그멘테이션을 위한 딥러닝 구조을 개발하여 건강 딸기를 수확하고 질병의 추가 전염을 피하기 위해 과숙성 또는 질병이 있는 딸기를 적시에 제거하는 것에 있다. 우리는 최신의 세그멘테이션 네트워크보다 mIoU가 3% 능가하는 새로운 컨볼루션 신경망 기반 세그먼테이션 솔루션을 제안한다. 이 제안은 광범위한 실험과 자세한 분석을 통해 뒷받침된다. 우리는 서로 다른 두 농장에서 수집한 데이터 세트에서 1개에 대한 질병과 3가지의 숙성정도, 총 4 개의 클래스로 라벨을 달고 네트워크 성능을 검증하였다. 정량적 및 정성적 결과는 데이터의 이질성과 실제 환경의 영향에도 불구하고 우리의 접근 방식이 주목할 만한 결과를 보여줬다.

Abstract ▼ AI-Helper

Smart farming is a new domain in which agriculture industry is being equipped with new technologies. Agriculture industry is in immediate need of the machine vision approaches to automate the various tasks. In this context, precise segmentation is quite a challenging task in strawberries because the...

Smart farming is a new domain in which agriculture industry is being equipped with new technologies. Agriculture industry is in immediate need of the machine vision approaches to automate the various tasks. In this context, precise segmentation is quite a challenging task in strawberries because they grow in bunches where flowers and trusses occlude the fruits heavily. This occlusion of fruits is the main cause of the decreased performance of the existing approaches for developing robust and accurate harvesting systems. Moreover, overgrown and bruised strawberries are very prone to conceive gray mold fungal disease which can further be transmitted to healthy strawberries since the fruit’s proximity is unavoidable. This in turn will have grave effects on the economy of the strawberry crop at commercial level as gray mold alone can cut the production by 70%. Therefore, in this study we develop a deep learning framework for semantic segmentation which will aid in harvesting the healthy strawberries and in timely removing the overgrown or diseased ones to avoid further transmission of the disease. We design a novel segmentation architecture based on convolutional neural network which outperforms the modern segmentation networks by more than 3% in mean Intersection over Union. This claim is supported by the extensive experimentation and through detailed analysis. We validate the performance of the network on our dataset collected from two different farms and annotated with total 4 classes including diseased or overgrown class (for research purpose). Quantitative and qualitative results show that notwithstanding heterogeneity in the data and the effect of real field variations, our approach produced remarkable results.

주제어