商業オーチャードにおけるYOLOv8とシェイプフィッティング手法を用いた未熟な緑色りんごの検出と計測

Centrala begrepp

本研究では、YOLOv8オブジェクト検出モデルと3Dポイントクラウドデータを用いた幾何学的シェイプフィッティング手法を組み合わせることで、商業オーチャード環境における未熟な緑色りんごの正確な検出と計測を実現した。

Sammanfattning

本研究では、商業オーチャード環境における未熟な緑色りんごの検出と計測を目的として、YOLOv8オブジェクト検出モデルと3Dポイントクラウドデータを用いたシェイプフィッティング手法を組み合わせた手法を提案した。

まず、YOLOv8モデルを用いて未熟な緑色りんごの検出と分割を行った。YOLOv8m-segモデルが最も高いAP@0.5とAP@0.75の得点(それぞれ0.94と0.91)を達成した。

次に、Azure Kinectカメラから取得した画像にエリプソイドフィッティング手法を適用することで、未熟な緑色りんごのサイズを推定した。その結果、RMSE 2.35 mm、MAE 1.66 mm、MAPE 6.15 mm、R2 0.9の高い精度が得られた。一方、IntelRealsense D435iカメラを使用した場合は、RMSE 9.65 mm、MAE 7.8 mm、MAPE 29.48 mm、R2 0.77と精度が低下した。

部分的な遮蔽による影響などの課題はあるものの、本手法は商業オーチャードにおける未熟な緑色りんごの正確な検出と計測を可能にし、収穫量予測や最適な果実管理などの精密農業への応用が期待できる。

Statistik

未熟な緑色りんごの検出におけるYOLOv8m-segモデルのAP@0.5は0.94、AP@0.75は0.91であった。
Azure Kinectカメラを使用した場合の未熟な緑色りんごのサイズ推定精度は、RMSE 2.35 mm、MAE 1.66 mm、MAPE 6.15 mm、R2 0.9であった。
IntelRealsense D435iカメラを使用した場合の未熟な緑色りんごのサイズ推定精度は、RMSE 9.65 mm、MAE 7.8 mm、MAPE 29.48 mm、R2 0.77であった。

Citat

"本研究では、YOLOv8オブジェクト検出モデルと3Dポイントクラウドデータを用いたシェイプフィッティング手法を組み合わせることで、商業オーチャード環境における未熟な緑色りんごの正確な検出と計測を実現した。"
"Azure Kinectカメラを使用した場合の未熟な緑色りんごのサイズ推定精度は、RMSE 2.35 mm、MAE 1.66 mm、MAPE 6.15 mm、R2 0.9と高い精度が得られた。"
"部分的な遮蔽による影響などの課題はあるものの、本手法は商業オーチャードにおける未熟な緑色りんごの正確な検出と計測を可能にし、収穫量予測や最適な果実管理などの精密農業への応用が期待できる。"

Viktiga insikter från

Immature Green Apple Detection and Sizing in Commercial Orchards using YOLOv8 and Shape Fitting Techniques

by Ranjan Sapko... på arxiv.org 04-03-2024

https://arxiv.org/pdf/2401.08629.pdf

Djupare frågor

未熟な緑色りんごの検出と計測における今後の課題は何か。

未熟な緑色りんごの検出と計測において、今後の課題の一つは部分的な遮蔽による影響です。葉や枝などによる遮蔽があると、りんごの正確な検出やセグメンテーションが困難になります。特に果樹園の環境では、密集した葉や重なり合う枝によって、目標物が見えにくくなることがあります。このような遮蔽の影響を軽減するためには、より高度な画像処理技術や機械学習アルゴリズムの開発が必要とされます。

部分的な遮蔽の影響を軽減するためにはどのような手法が考えられるか。

部分的な遮蔽の影響を軽減するためには、いくつかの手法が考えられます。まず、深層学習モデルの改良やデータセットの拡充によって、遮蔽された果物の検出精度を向上させることが重要です。例えば、遮蔽された果物の周囲のコンテキストをよりよく理解し、遮蔽を考慮したセグメンテーションアルゴリズムを開発することが有効です。また、複数の視点からの画像を組み合わせて遮蔽を補完する手法や、LiDARなどのセンサーテクノロジーを活用して遮蔽を回避する方法も検討されるべきです。

本研究で提案した手法は、他の果実作物への応用は可能か。

本研究で提案された手法は、未熟な緑色りんごの検出と計測において高い精度を達成しました。この手法は、YOLOv8アルゴリズムを用いたりんごのセグメンテーションや、3Dポイントクラウドを用いた形状適合技術を組み合わせています。この手法は、りんごの形状やサイズを正確に推定することができるため、他の果実作物への応用も可能です。他の果実作物においても、同様の手法を用いて形状やサイズの推定を行うことで、効率的な農業運用や品質管理が可能となるでしょう。果実作物の成長段階や特性に合わせてモデルを調整することで、さまざまな果実作物に適用できる汎用性の高い手法となります。