Обнаружение и распознавание фруктов на основе глубокого машинного обучения для автоматического сбора урожая
DOI:
https://doi.org/10.5281/zenodo.10974632Ключевые слова:
компьютерное зрение, глубокое обучение, обнаружение фруктов, распознавание плодов, автоматический сбор урожаяЛицензия
Аннотация
В настоящей статье рассмотрены различные методы обнаружения и распознавания фруктов, основанные на совокупности методов глубокого машинного обучения. Данные методы являются основными методами точного, быстрого и надежного обнаружения и распознавания фруктов. Выявлены соответствующие достоинства и недостатки. Предложены решения и рекомендации для их устранения.
Скачивания
Библиографические ссылки
1. Головко, В. А. Нейроинтеллект: Теория и применения. Книга 1. Организация и обучение нейронных сетей с прямыми и обратными связями / В. А. Головко. – Брест: БПИ, 1999. – 260с.
2. Горелик, А. Л. Методы распознавания / А. Л. Горелик, В. А. Скрипкин. – М: Высшая школа, 1984. – 208 с.
3. Сикорский, О. С. Обзор свёрточных нейронных сетей для задачи классификации изображений / О. С. Сикорский // Новые информационные технологии в автоматизированных системах. – 2017. – № 20. – С. 37–42.
4. Нейронные сети: полный курс, 2-e издание: пер. с англ. / С. Хайкин. – М.: Издательский дом «Вильямс». – 2008. – 1103 с.
5. Current and Future Applications of Statistical Machine Learning Algorithms for Agricultural Machine Vision Systems [Электронный ресурс]. – URL: https://www.semanticscholar.org/paper/Current-and-future-applications-of-statistical-for-Rehman-Mahmud/19d4ae91f0d9794c27ec93632bdfa0d7a9744524 (дата обращения 13.10.2023).
6. A graph cut algorithm for generalized image deconvolution [Электронный ресурс]. – URL: https://ieeexplore.ieee.org/abstract/document/1544836/ (дата обращения 11.10.2023).
7. Machine Learning Approach for Non-blind Image Deconvolution [Электронный ресурс]. – URL: https://www.cvfoundation.org/openaccess/content_cvpr (дата обращения 13.10.2023).
8. Comprehensive Review on Automation in Agriculture Using Artificial Intelligence [Электронный ресурс]. – URL: https:// www.sciencedirect.com/science/article/pii/S2589721719300182 (дата обращения 13.10.2023).
9. Data in Smart Farming [Электронный ресурс]. – URL: https://www. /econpapers.repec. org/article/eeeagisys/v_3a153_3ay_3a2017_3ai_3ac_3ap_3a69-80.htm (дата обращения 13.10.2023).
10. Plant Disease Detection and Classification by Deep Learning [Электронный ресурс]. – URL: https://www.mdpi.com/2223-7747/8/11/468 (дата обращения 13.10.2023).
11. Early Detection of Tomato Spotted Wilt Virus by Hyperspectral Imaging and Outlier Removal Auxiliary Classifier Generative Adversarial Nets [Электронный ресурс]. – URL: https://www.nature.com/articles/s41598-019-40066-y (дата обращения 13.10.2023).
12. Review on Weed Detection Using Ground-Based Machine Vision and Image Processing Techniques. Comput [Электронный ресурс]. – URL: https://www.researchgate.net/publication/331158380_A_ review_on_weed_detection_using_ground-based_machine_vision_and_image_processing_techniques (дата обращения 13.10.2023).
13. Recognition of Fruits and Vegetables with Similar-Color Background in Natural Environment [Электронный ресурс]. – URL: https://www.researchgate.net/publication/288307456 _Fruits_and_vegetables_recognition_based_on_color_and_texture_features (дата обращения 13.10.2023).
14. Advance of Target Visual Information Acquisition Technology for Fresh Fruit Robotic Harvesting [Электронный ресурс]. – URL: https://www.mdpi.com/2073-4395/12/6/1336 (дата обращения 13.10.2023).
15. A Survey of Deep Learning Methods for Fruit and Vegetable Detection and Yield Estimation [Электронный ресурс]. – URL: http://scholars.utp.edu.my/id/eprint/34106/ (дата обращения 13.10.2023).
16. Review on Structural Development and Recognition-Localization Methods for End-Effector of Fruit-Vegetable Picking Robots [Электронный ресурс]. – URL: https://journals. sagepub.com/doi/full/10.1177/17298806221104906 (дата обращения 13.10.2023).
17. Recognition of Bloom/Yield in Crop Images Using Deep Learning Models for Smart Agriculture [Электронный ресурс]. – URL: https://https://www.mdpi.com/2073-4395/11/4/646 (дата обращения 13.10.2023).
18. Intelligent Fruit Yield Estimation for Orchards Using Deep Learning Based Semantic Segmentation Techniques [Электронный ресурс]. – URL: https://www.frontiersin.org/articles/10.3389/ fpls.2021.684328/full (дата обращения 13.10.2023).
19. Fruits and Vegetables Quality Evaluation Using Computer Vision [Электронный ресурс]. – URL: https://www.sciencedirect.com/science/article/pii/S131915781830209X (дата обращения 13.10.2023).
20. Automation in Agriculture by Machine and Deep Learning Techniques: A Review of Recent Developments [Электронный ресурс]. – URL: https https://www.researchgate.net/publication/352585353_Correction_t o_Automation_in_Agriculture_by_Machine_and_Deep_Learning_Techniques_A_Review_of_Recent_Developments (дата обращения 13.10.2023).
21. Recognition and Localization Methods for Vision-Based Fruit Picking Robots [Электронный ресурс]. – URL: https://www.frontiersin.org/articles/10.3389/fpls.2020.00510/full (дата обращения 13.10.2023).
22. Apple Harvesting Robot under Information Technology [Электронный ресурс]. – URL: https://journals.sagepub.com/doi/10.1177/1729881420925310 (дата обращения 13.10.2023).
23. A Role of Computer Vision in Fruits and Vegetables among Various Horticulture Products of Agriculture Fields [Электронный ресурс]. – URL: https://www.sciencedirect.com/science/article/ pii/S2214317318303834 (дата обращения 13.10.2023).
24. Review of Convolutional Neural Network Applied to Fruit Image Processing [Электронный ресурс]. – URL: https://www.mdpi.com/2076-3417/10/10/3443 (дата обращения 13.10.2023).
25. Применение сверточных нейронных сетей для обнаружения плодов роботами для сбора урожая [Электронный ресурс]. – URL: https://masters.donntu.ru/2020/etf/mirzaliev/library/article2.htm (дата обращения 13.10.2023).
REFERENCES LIST
1. Golovko, V. A. Neirointellekt: Teoriia i primeneniia. Kniga 1. Organizatsiia i obuchenie neironnykh setei s priamymi i obratnymi sviaziami / V. A. Golovko. – Brest: BPI, 1999. – 260s.
2. Gorelik, A. L. Metody raspoznavaniia / A. L. Gorelik, V. A. Skripkin. – M: Vysshaia shkola, 1984. – 208 s.
3. Sikorskii, O. S. Obzor svertochnykh neironnykh setei dlia zadachi klassifikatsii izobrazhenii / O. S. Sikorskii // Novye informatsionnye tekhnologii v avtomatizirovannykh sistemakh. – 2017. – № 20. – S. 37–42.
4. Neironnye seti: polnyi kurs, 2-e izdanie: per. s angl. / S. Khaikin. – M.: Izdatelskii dom «Viliams». – 2008. – 1103 s.
5. Current and Future Applications of Statistical Machine Learning Algorithms for Agricultural Machine Vision Systems [Elektronnyi resurs]. – URL: https://www.semanticscholar.org/paper/Current-and-future-applications-of-statistical-for-Rehman-Mahmud/19d4ae91f0d9794c27ec93632bdfa0d7a9744524 (data obrashcheniia 13.10.2023).
6. A graph cut algorithm for generalized image deconvolution [Elektronnyi resurs]. – URL: https://ieeexplore.ieee.org/abstract/document/1544836/ (data obrashcheniia 11.10.2023).
7. Machine Learning Approach for Non-blind Image Deconvolution [Elektronnyi resurs]. – URL: https://www.cvfoundation.org/openaccess/content_cvpr (data obrashcheniia 13.10.2023).
8. Comprehensive Review on Automation in Agriculture Using Artificial Intelligence [Elektronnyi resurs]. – URL: https:// www.sciencedirect.com/science/article/pii/S2589721719300182 (data obrashcheniia 13.10.2023).
9. Data in Smart Farming [Elektronnyi resurs]. – URL: https://www. /econpapers.repec. org/article/eeeagisys/v_3a153_3ay_3a2017_3ai_3ac_3ap_3a69-80.htm (data obrashcheniia 13.10.2023).
10. Plant Disease Detection and Classification by Deep Learning [Elektronnyi resurs]. – URL: https://www.mdpi.com/2223-7747/8/11/468 (data obrashcheniia 13.10.2023).
11. Early Detection of Tomato Spotted Wilt Virus by Hyperspectral Imaging and Outlier Removal Auxiliary Classifier Generative Adversarial Nets [Elektronnyi resurs]. – URL: https://www.nature.com/articles/s41598-019-40066-y (data obrashcheniia 13.10.2023).
12. Review on Weed Detection Using Ground-Based Machine Vision and Image Processing Techniques. Comput [Elektronnyi resurs]. – URL: https://www.researchgate.net/publication/331158380_A_ review_on_weed_detection_using_ground-based_machine_vision_and_image_processing_techniques (data obrashcheniia 13.10.2023).
13. Recognition of Fruits and Vegetables with Similar-Color Background in Natural Environment [Elektronnyi resurs]. – URL: https://www.researchgate.net/publication/288307456 _Fruits_and_vegetables_recognition_based_on_color_and_texture_features (data obrashcheniia 13.10.2023).
14. Advance of Target Visual Information Acquisition Technology for Fresh Fruit Robotic Harvesting [Elektronnyi resurs]. – URL: https://www.mdpi.com/2073-4395/12/6/1336 (data obrashcheniia 13.10.2023).
15. A Survey of Deep Learning Methods for Fruit and Vegetable Detection and Yield Estimation [Elektronnyi resurs]. – URL: http://scholars.utp.edu.my/id/eprint/34106/ (data obrashcheniia 13.10.2023).
16. Review on Structural Development and Recognition-Localization Methods for End-Effector of Fruit-Vegetable Picking Robots [Elektronnyi resurs]. – URL: https://journals. sagepub.com/doi/full/10.1177/17298806221104906 (data obrashcheniia 13.10.2023).
17. Recognition of Bloom/Yield in Crop Images Using Deep Learning Models for Smart Agriculture [Elektronnyi resurs]. – URL: https://https://www.mdpi.com/2073-4395/11/4/646 (data obrashcheniia 13.10.2023).
18. Intelligent Fruit Yield Estimation for Orchards Using Deep Learning Based Semantic Segmentation Techniques [Elektronnyi resurs]. – URL: https://www.frontiersin.org/articles/10.3389/ fpls.2021.684328/full (data obrashcheniia 13.10.2023).
19. Fruits and Vegetables Quality Evaluation Using Computer Vision [Elektronnyi resurs]. – URL: https://www.sciencedirect.com/science/article/pii/S131915781830209X (data obrashcheniia 13.10.2023).
20. Automation in Agriculture by Machine and Deep Learning Techniques: A Review of Recent Developments [Elektronnyi resurs]. – URL: https https://www.researchgate.net/publication/352585353_Correction_t o_Automation_in_Agriculture_by_Machine_and_Deep_Learning_Techniques_A_Review_of_Recent_Developments (data obrashcheniia 13.10.2023).
21. Recognition and Localization Methods for Vision-Based Fruit Picking Robots [Elektronnyi resurs]. – URL: https://www.frontiersin.org/articles/10.3389/fpls.2020.00510/full (data obrashcheniia 13.10.2023).
22. Apple Harvesting Robot under Information Technology [Elektronnyi resurs]. – URL: https://journals.sagepub.com/doi/10.1177/1729881420925310 (data obrashcheniia 13.10.2023).
23. A Role of Computer Vision in Fruits and Vegetables among Various Horticulture Products of Agriculture Fields [Elektronnyi resurs]. – URL: https://www.sciencedirect.com/science/article/ pii/S2214317318303834 (data obrashcheniia 13.10.2023).
24. Review of Convolutional Neural Network Applied to Fruit Image Processing [Elektronnyi resurs]. – URL: https://www.mdpi.com/2076-3417/10/10/3443 (data obrashcheniia 13.10.2023).
25. Primenenie svertochnykh neironnykh setei dlia obnaruzheniia plodov robotami dlia sbora urozhaia [Elektronnyi resurs]. – URL: https://masters.donntu.ru/2020/etf/mirzaliev/library/article2.htm (data obrashcheniia 13.10.2023).
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Статьи журнала «Вестник Донецкого университета. Серия 04. Технические науки» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
