Core Concepts
Segment Anything Model(SAM)を使用して、2Dクラスター画像内の個々のベリーを正確に識別できることが示されました。
Abstract
抽出されたデータは、新しい基盤モデルであるSegment Anything Model(SAM)が自動オブジェクトセグメンテーションを可能にし、高い精度で個々のベリーを識別することが示されています。
クラスターアーキテクチャとコンパクトさに関する新しい定量的手法が提案され、複雑な特徴に対応するためにベリー位置情報が活用されました。
ベリー数やサイズの予測は、撮影角度によって異なりますが、線形回帰モデルを使用して調整可能です。
環境要因や遺伝子要因がクラスターアーキテクチャおよびコンパクトさに影響を与えることが示唆されています。
Stats
SAMは約3,500枚のクラスター画像から約15万個のベリーマスクを生成しました(Pearson's r2=0.96)。
ベリー数は撮影角度によって異なりますが、線形回帰モデルで調整可能です(adjusted R2=0.87)。
Quotes
"Most of the existing computer vision approaches for processing cluster images often rely on conventional segmentation or machine learning with extensive training and limited generalization."
"Understanding the factors that influence cluster architecture and compactness has implications for vineyard management, breeding, and genetics research."